neural networks in business - redes neuronales en los negocios
TRANSCRIPT
Introduccion Modelos Historia Aplicaciones Conclusiones
Neural networks in Business: Techniques andApplications for the Operations Researcher
Kate A. Smith-Jatinder N.D. Gupta-2000Jhon Trujillo
Universidad Del Valle - Cali
[email protected] - [email protected]
6 de junio de 2014
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Introduccion
• Tres modelos de redes neuronales.
• Historia de la evolucion de las Redes Neuronales.
• Redes Neuronales en los Negocios.
• Conclusiones y Discusiones.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Multilayered Feedforward Neural Networks
• Metodo mas usado en un95 %.
• Es facilmente aplicable acasi cualquier tipo deproblema.
• Aprender la informacion delas variables de entrada conlas de salida.
• Usa el Algoritmo deBackPropagation para elAprendizaje.
• Entrenamiento Supervisado.
Multilayered feedforward
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Hopfield Neural Networks
• 1980 por John Hopfield.
• Entrenamiento nosupervisado.
• Modelos auto-asociativos:Memoria Asociativa.
• Fase de almacenamiento
• Fase de Recuperacion
Hopfield
Introduccion Modelos Historia Aplicaciones Conclusiones
Hopfield Neural Networks
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Self-organising Neural Networks
• 1982 - 1990. TeuvoKohonen.
• MAPASBIDIMENSIONALES delcelebro.
• Permite agrupar ycaracterizas grandesvolumenes de datos.
• Aprendizaje elno-supervisado.
Self-organising
Introduccion Modelos Historia Aplicaciones Conclusiones
Self-organising Neural Networks
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Historia de las Redes Neuronales
• Se pueden dividir en 5 etapas las cuales tomas unos 150 anos.
• Impacto en la parte de los negocios.
• Existen otras versiones de las historia de la redes neuronales ysus aplicaciones [2],[3] y [4].
Introduccion Modelos Historia Aplicaciones Conclusiones
Stage 1
• Pre-Segunda Guerra Mundial (es decir, antes de 1945): BasesCientıficas.
• 1834, Charles Babbage: Calculos Analıticos.
• 1890, William James(libro): Actividad cerebral.
• 1936, Alan Turing : Inteligencia Artificial (las maquinaspueden pensar).
• 1943, McCulloch y Pitts : Proponen el primer modeloneuronal moderno.
Introduccion Modelos Historia Aplicaciones Conclusiones
Stage 1
• Se presentaba la importancia de los pesos sinapticos.
• Se definio el concepto de la funcion de activacion.
• Se definio el concepto de Umbral.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Stage 2
• 1949 Donald Hebb: Teorıa Hebbiana: Reglas de aprendizaje.
• 1951, Marvin Minsky construyo el primero simulador deRedes Neuronales ( SNARC ).
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Stage 3Edad de simulacion por ordenador:
• 1969 , Minsky publica un libro donde se indica que losperceptrones no podıan aprender algunos problemaslinealmente independientes.
• Desde 1969 hasta 1982 hubo poco entusiasmo hacia losRNA.
• Pero hubo un desarrollo computacional significativo: Apple,IBM, SPPS Inc y Nestor Inc desarrollaron computadores dealto performance.
• 1974 - Paul Werbos.: backpropagation - 1985 , DavidRumelhart/G. Hinton.
• 1974 - Teuvo Kohonen. Mapas de Kohonen.
• 1985 - John Hopfield. Red HopFiel.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Stage 4
• 1983, El gobierno de EE.UU. financio la investigacion de redesneuronales (Defensa).
• Publicaciones Cientificas , Neural Computation en 1989 y1990 en IEEE.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Stage 5
• 1991, los bancos comenzaron a utilizar los RNA: prestamos yprediccion financiera.
• Hacia 1996 , el 95 % de los 100 principales bancos de losEE.UU. estaban utilizando tecnicas inteligentes incluidas lasredes neuronales.
• Actualidad: Nuevas investigaciones : algoritmos geneticos ,logica difusa y sistemas expertos.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Marketing
• Segmentacion de Mercados
• Identificacion de Nichos de Mercado
• Oferta y Demanda de Productos.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Banca y Finanzas
• Bolsa de Valores.
• Riesgos crediticios.
• Predecir la quiebra corporativa.
• Toma de decisiones a corto plazo en momentos deincertidumbre .
• Deteccion del fraude financiero.
• Validacion de firmas bancarias.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Otras Industrias
• Retail.
• Seguros.
• Telecomunicaciones.
Introduccion Modelos Historia Aplicaciones Conclusiones
Otras Industrias : Medico
• Neuronal Network Involvement in Stimulation Therapies forCNS Disorders.[2]
• Artificial neuronal networks in intensive medicine. an exampleof application with MPM II variables. [3].
• Brain death prediction based on ensembled artificial neuralnetworks in neurosurgical intensive care unit. . [5].
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Data Mining
¿Y cual es el papel de la minerıa de datos en esta discusion ?
• La minerıa de datos se ha convertido en los ultimos anoscomo un muy popular enfoque para extraer informacionsignificativa de grandes bases de datos y almacenes de datos
• Muchas empresas interesadas en la minerıa de datos.
• Las redes neuronales ( MFNNs y SOFMs ) forman el nucleode la mayorıa de los paquetes de minerıa de datos comercialestales como el SOFMs y el Intelligent Miner de IBM.
• Muchos proyectos han sido exitos gracias a la minerıa dedatos.
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIntroduccion
Modelos de redes NeuronalesMultilayered Feedforward Neural NetworksHopfield Neural NetworksSelf-organising Neural Networks
Historia de las Redes NeuronalesStage 1Stage 2Stage 3Stage 4Stage 5
Aplicacion en Los negociosMarketingBanca y FinanzasOtras Industrias
Introduccion Modelos Historia Aplicaciones Conclusiones
Plan IIData Mining
Conclusiones y Discusiones
Introduccion Modelos Historia Aplicaciones Conclusiones
Conclusiones y Discusiones
• Hay muchos paper de Rna, pero este paper se enfoca en lahistoria de las redes neuronales y el impacto que este hatenido en el area de los negocios
• Las redes son una herramienta valiosa pero no magica comoalgunos vendedores de software lo han mostrado.
• Las Redes Neuronales pueden ser usadas para sistemas queson dificiles de modelar con las tecnicas clasicas.
• Los RNA tienen la gran ventaja de adaptase a casi cualquiertipo de problema o situacion: Cientıfico, industrial, biologico ymedicina.
Introduccion Modelos Historia Aplicaciones Conclusiones
Referencias I
Jonathan Z. Bloom.
MARKET SEGMENTATION: A Neural Network Application.
Annals of Tourism Research V 32 - 93 - 111 2005
Carl L. Faingold1, Hua-Jun Feng2
Neuronal Network Involvement in Stimulation Therapies for CNSDisorders.
Faingold, Carl L. and Blumenfeld, Hal - Chapter 31 2014.
J. Trujillano Cabelloa, M. Badıa Castello.
Artificial neuronal networks in intensive medicine. an example ofapplication with MPM II variables.
Medicina Intensiva V 29 2005.
J. Trujillano Cabelloa, M. Badıa Castello.
Neural networks to predict earthquakes in Chile.
Medicina Intensiva V 29 2005.
Introduccion Modelos Historia Aplicaciones Conclusiones
Referencias II
Quan Liua, Xingran Cui
Brain death prediction based on ensembled artificial neural networks inneurosurgical intensive care unit.
Journal of the Taiwan Institute of Chemical Engineers V 42 2011.