09 noviembre de 2015
Soluciones innovadoras a problemas de siempre
mediante Machine Learning.
Contenido
Introducción.
Modelización.
Diseño de experimentos.
Compresión
Aplicaciones
Introducción
Introducción
Explosión del uso de machine learning y big data.
Creación de nuevas aplicaciones y nuevos negocios.
Crecimiento exponencial del sector. ¿Burbuja?
¿Qué ocurre con los problemas de siempre?
La información en el proceso de diseño
Fusión de datos. Ejemplo: ensayos túnel de viento.
El problema: aerodinámica
Complejo
Múltiples parámetros
Fuentes de información
Fuentes de información
Relativamente barata y rápida
Millones de puntos
Limitada precisión
Caro y lento
Escasos puntos
Cercano a la realidad
Modelización: Mixed Data Modelling.
Resultados
Método automático.
Aumento de la precisión del
modelo.
Permite reducir costes.
Permite reducir el número de
tomas de presión en la superficie.
Otros sectores
Compresión y almacenamiento de datos
El problema
Gran cantidad de datos.
Múltiples tipos de datos.
Numero elevado de parámetros.
Enormes bases de datos.
Detección de patrones: descomposición modal
Descomposición modal en bases de datos estructuradas:
HIGHER-ORDER SINGULAR VALUE DECOMPOSITION
Resultados
Compresión con error
controlado.
El factor de compresión
aumenta
exponencialmente con el
número de parámetros.
Diseño de experimentos
El problema
SISTEMA
El problema. Simulación numérica
SISTEMA
(complejo)
Diseño de experimentos basado en modelos subrogados
Introducción
Cálculo de cargas extremas en aeronaves.
Cálculo de bases de datos de carga en aerogeneradores
Optimización de funciones multiparamétricas caras de
evaluar
Predicción de riesgos y fraude
Ejemplo: predicción de riesgos de inundación
Ejemplo: detección de fraude
Diego Alonso / Luis S. Lorente
[email protected]
[email protected]
www.mathlas.com
Comentarios de: Soluciones innovadoras a problemas de siempre mediante Machine Learning (0)
No hay comentarios