Proyecto E-CM (1/2)

>>>sigue

El aprendizaje automatizado es una rama de la Inteligencia Artificial que permite a las máquinas aprender a reconocer pautas y realizar predicciones de datos. Se trata de generalizar modelos a partir de una información suministrada en forma de ejemplos. Es lo que se llama, aprendizaje supervisado.

En concreto, el procesamiento de señal que se está utilizando se basa en procesamiento Wavelet (discretas y por paquetes) de la señal de vibración, extracción de características de esa descomposición de señal, y utilización de tres tipos de algoritmos de aprendizaje inductivo: Arboles de Decisión (DT), Máquinas Vector Soporte (SVM) y K-vecinos próximos (KNN), con el objeto de comparar las diferentes técnicas ya que cada una de ellas tienen un sesgo clasificatorio diferente. Los resultados muestran que, en este problema concreto, los algoritmos SVM son los que mejor rendimiento ofrecen en porcentaje de aciertos porque son tolerantes a valores erróneos o fuera de rango y construyen modelos menos dependientes de la muestra de entrenamiento.

ACTIVIDAD DESARROLLADA POR AINTECH

• Desarrollo de algoritmos de procesamiento de señal basada en Wavelets discretas y por paquetes
• Extracción de características relevantes de la señal
• Desarrollo de algoritmos de clasificación por diversas técnicas
• Validación de modelos de clasificación

Selección de atributos relevantes para defecto clase 7 (RMERLG (Amarillo) Atributos: 54, 59, 204, 209, 216, last)