Etiqueta: Digital Twin
-
Procesos Gaussianos para la generación de datos sintéticos
Los procesos Gaussianos son un tipo de modelo estadístico generativo, por lo tanto para cada punto se calcula no solo la predicción de él, si no su distribución (esto significa que cada punto tiene consigo un intervalo de confianza asignado, de valores esperados), son modelos complejos de crear y que requieren un trabajo previo para…
-
ARIMA/SARIMA para la generación de datos sintéticos
Los modelos de AutoRegressive Integrated Moving Average (ARIMA) o Seasonal ARIMA (SARIMA) son modelos que se usan exclusivamente con datos que vienen en forma de series temporales. Están formados por diferentes componentes que se unen para la predicción de los próximos datos en la serie temporal (denominado normalmente forecasting), para entender estos modelos describiremos ahora…
-
Agent Based Models para la generacion de datos sintéticos
Hace una temporada os enseñamos la diferencia entre modelos basados en datos y modelos basados en física. El trabajo que os hemos ido presentado en el área de Gemelo Digital se ha centrado siempre mas en modelos basados en datos, por las complicaciones que los modelos basados en física traían, hoy sin embargo queremos refrescar…
-
Normalizing Flows para la creación de datos sintéticos:
Los Normalizing Flows son un tipo de Probabilistic Generative Model, esto significa que lo que buscamos simular con el modelo es la distribución de una variable X, usando los datos que tenemos (xi), describiéndola con una función de densidad pX(x) y que además es parametrizado por un valor θ. La idea principal de este modelo…
-
Algoritmos genéticos para la creación de datos sintéticos
Continuando con los modelos de generación de datos sintéticos, hoy presentamos los denominados Algoritmos Genéticos. (GA) La idea de estos algoritmos surge en la década de 1960 bajo la mano de John Holland y continuó siendo refinado hasta que en 1975 presento el algoritmo definido en su libro [1]. Con los GA se busca reflejar…
-
Boltzmann Machines para la generación de datos sintéticos
Para esta entrada del blog os pido que saquéis vuestro lado más matemático, ya que para entrar en detalle sobre estas estructuras es necesario explicar las matemáticas que hay detrás. La base de las Boltzmann Machines, son las Hopfield Networks, estas son unas estructuras determinísticas de caracterización de datos. Son simples y están formadas por…
-
Hidden Markov Models para la generación sintética de datos.
Los modelos ocultos de Markov (HMM), toman su nombre del matemático ruso Andrey Markov, que desarrolló el concepto de las Cadenas de Markov (Markov Chains). Estas “cadenas” hacen referencia a sistemas en los cuales el siguiente paso depende únicamente del estado actual. Un ejemplo puede ser el juego de la oca, en el cual las…
-
Gaussian Mixture Models para la generación sintética de datos.
Las distribuciones normales o gaussianas están presentes, de una manera u otra, en la mayoría de los modelos estadísticos tradicionales que se usan hoy en día, en los que describimos que los datos provienen de una distribución normal, ya que la naturaleza tiende a seguir esta distribución (lo que llamamos el Teorema del Límite Central)…
-
¿Qué es un Gemelo Digital?
Un gemelo digital es una réplica virtual de un objeto físico, persona, sistema o proceso, que trata de simular de forma precisa su comportamiento. El gemelo digital abarca todo el ciclo de vida del objeto, es capaz de simularlo, se actualiza en tiempo real, y extrae información a partir de los datos para ofrecer servicios…