redalyc.org

Sistema de Información Científica Redalyc
Red de Revistas Científicas de América Latina y el Caribe, España y Portugal

redalyc.org redalyc.org
Español
En esta tesis se desarrolla una metodología para analizar y diseñar un sistema inteligente para la prediccion y control del acabado super cial en un proceso de fresado a alta velocidad (FAV). Este sistema esta compuesto por: 1) un modelo aprendido a partir de datos experimentales con redes bayesianas, que ayudaría a comprender los procesos dinámicos involucrados en el mecanizado y las interacciones entre las variables relevantes; 2) dado que uno de los principales problemas de los clasi cadores bayesianos es la comprensión de las tablas de probabilidad se plantea un método de explicación que genera un conjunto de reglas obtenidas de árboles de decisión. Estos árboles son inducidos a partir de un conjunto de datos simulados generados de las probabilidades a posteriori de la variable clase, calculadas con la red bayesiana aprendida en el paso anterior; 3) y, por último, se hace optimización multiobjetivo en el caso de que algunos de los objetivos no se puedan cuanti car como números reales sino como intervalos de valores. Esto ocurre a menudo en aplicaciones de aprendizaje automático, especialmente las basadas en clasi cación supervisada, extendiendo las ideas de dominancia y frontera de Pareto a esta situación. Se aplica a la predicción de la rugosidad super cial en el caso de maximizar al mismo tiempo la sensibilidad y la especi cidad del clasi cador bayesiano inducido, en vez de maximizar sólo la tasa de clasi caciones correctas.

Palabras clave: Clasi cación supervisada, redes bayesianas, rugosidad super cial, optimización mutiobjetivo en intervalos, Pareto.
Ver Resumen
Universidad Autónoma del Estado de México
Sistema de Información Científica Redalyc ®
Versión 3.0 | 2017
redalyc@redalyc.org