RESUMO
El análisis de la estabilidad que presentan los sistemas al estar frente a determinadas variaciones de las condiciones iniciales y de los parámetros que lo caracterizan, es hoy uno de los importantes estudios que se realizan a los sistemas dinámicos. Los métodos existentes hasta el momento no permiten hacer dicho análisis en más de una serie temporal a la vez, pues por lo general anulan la facultad de reunir en un mismo estudio la posibilidad de verificar cómo influyen las variaciones. Es por ello que el presente trabajo tiene la finalidad de poner en manos de los investigadores una metodología que permite estudiar la estabilidad de los Sistemas de Ecuaciones Diferenciales n-dimensionales, respecto a la variación de los parámetros del mismo e interpretar los resultados obtenidos. Específicamente como parte esencial de la metodología se utilizó la función lyapunov desarrollada dentro del asistente matemático Matlab y para el análisis de esos resultados se incluyó la técnica de Minería de Datos: Árboles de Decisión, además deseando tener resultados en el menor tiempo posible, se trabajó con la Plataforma de Tareas Distribuidas T-arenal. Se aplicó la metodología a un caso de estudio reportado en la literatura y se comprobó que se obtenía la misma clasificación de estabilidad o inestabilidad. Por otro lado al realizar el análisis en una cantidad de series temporales, el tiempo en que se obtuvo el resultado fue considerablemente pequeño, teniendo en cuenta su complejidad(AU)
The analysis of the stability that present the systems when being in front of certain variations of the initial conditions and the parameters that it characterize, it is today one of the important studies that carried out to the dynamic systems. The existent methods until the moment don't allow making this analysis in more than a time series at the same time, because in general they annul the ability to gather in oneself study the possibility to verify how they influence the variations. That´s the reason why the present work has the purpose of to put in the investigator's hands a methodology that allows to study the stability of the Systems of n-dimensional Differential Equations, regarding the variation of the parameters of the same one and to interpret the obtained results. Specifically like essential part of the methodology was used the function lyapunov developed inside the mathematical assistant Matlab and for the analysis of those results the technique of Datamining was included: Trees of Decision, also wanting to have results in the smallest possible time, one worked with the Platform of Tasks Distributed T-arenal. The methodology was applied to a case of study reported in the literature and one was proven that it was obtained the same classification of stability or uncertainty. On the other hand, when carrying out the analysis in a quantity of time series, the time in that the result was obtained was considerably small, concerning its complexity(AU)
Assuntos
Humanos , Aplicações da Informática Médica , Software , Bases de Dados como AssuntoRESUMO
El perceptrón multicapa (PMC) figura dentro de los tipos de redes neuronales artificiales (RNA) con resultados útiles en los estudios de relación estructura-actividad. Dado que los volúmenes de datos en proyectos de Bioinformática son eventualmente grandes, se propuso evaluar algoritmos para acortar el tiempo de entrenamiento de la red sin afectar su eficiencia. Se desarrolló un algoritmo para el entrenamiento local y distribuido del PMC con la posibilidad de variar las funciones de transferencias para lo cual se utilizaron el Weka y la Plataforma de Tareas Distribuidas Tarenal para distribuir el entrenamiento del perceptrón multicapa. Se demostró que en dependencia de la muestra de entrenamiento, la variación de las funciones de transferencia pueden reportar resultados mucho más eficientes que los obtenidos con la clásica función Sigmoidal, con incremento de la g-media entre el 4.5 y el 17 por ciento. Se encontró además que en los entrenamientos distribuidos es posible alcanzar eventualmente mejores resultados que los logrados en ambiente local(AU)
The multilayer perceptron (PMC) ranks among the types of artificial neural networks (ANN), which has provided better results in studies of structure-activity relationship. As the data volumes in Bioinformatics' projects are eventually big, it was proposed to evaluate algorithms to shorten the training time of the network without affecting its efficiency. There were evaluated different tools that work with ANN and were selected Weka algorithm for extracting the network and the Platform for Distributed Task Tarenal to distribute the training of multilayer perceptron. Finally, it was developed a training algorithm for local and distributed the MLP with the possibility of varying transfer functions. It was shown that depending on the training sample, the change of transfer functions can yield results much more efficient than those obtained with the classic sigmoid function with increased g-media between 4.5 and 17 percent. Moreover, it was found that with distributed training can be achieved eventually, better results than those achieved in the local environment(AU)