Modelos neuronales basados en aprendizaje no supervisado para la visualización de grandes conjuntos de datos

Aspectos nuevos e innovadores

Existen otros métodos de visualización de datos, pero la mayor parte de ellos no proporciona una forma sencilla e intuitiva para identificar la estructura y analizar el comportamiento de los datos.
De esta forma se reducen los tiempos de análisis y se obtienen resultados preliminares que pueden orientar posteriores análisis más exhaustivos.

Principales ventajas derivadas de su utilización

Al ofrecer una proyección que preserva la mayor parte de información en los datos, maximizando la posibilidad de realzar la estructura de los datos, se permite un posterior análisis rápido de los mismos. En primer lugar se puede identificar la estructura general del conjunto de datos, detectando el agrupamiento de los mismos (diferentes tipos de clientes, grupos de productos, comportamientos de las máquinas analizadas, etapas o regiones de funcionamiento de los diferentes procesos...). Una vez conocida esta estructura general, se puede pasar a un análisis pormenorizado de cada uno de estos grupos, considerando la estructura interna de los mismos. Con todo esto, se puede fácilmente llevar a cabo un análisis de los datos, extrayendo conclusiones sobre los mismos al ser interpretados por un experto en la materia (factores que inciden en el comportamiento de los clientes, productos estrella o con menor éxito, valores óptimos de ajuste de una determinada máquina, comprensión de determinados procesos).

Características técnicas

Actualmente existe una cantidad de información tan elevada que no se puede procesar fácilmente para extraer conocimiento de ella. Un análisis exhaustivo, caso por caso, elevaría hasta límites inabordables el análisis de un gran número de datos que hoy en día son capturados. Estos pueden hacer referencia a estadísticas de compras de nuestros clientes, características de diferentes productos, registros de una determinada máquina o sistema, muestras de un determinado proceso industrial, etc. Los modelos proyeccionistas proponen una visualización de datos con estas características; un gran volumen y además una alta dimensionalidad (gran cantidad de información para cada uno de los clientes, productos, registros, muestras...).

Aplicaciones

Estos modelos pueden ser aplicados a cualquier conjuntos de datos que necesite ser
analizado, independientemente de la realidad a la que hagan referencia esos datos.
Algunos ejemplos de aplicación son los mencionados anteriormente: datos económicos, datos de producción, estadísticas de funcionamiento o de acceso, etc.

Estado actual de desarrollo

Dispositivo desarrollado y validado para su industrialización.

Relación comercial deseada

Acuerdo comercial, Acuerdo de licencia, Cooperación técnica: un mayor desarrollo, Cooperación Técnica: testar nuevas aplicaciones; Cooperación Técnica: adaptación a necesidades específicas.