Etiqueta: MODELOS BASADOS EN DATOS
-
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…
-
Variational Autoencoders para la generacion de datos sintéticos
Los Variational Autoencoders (VAE) son un tipo de autoencoder (o autocodificador), que se usa específicamente para la generación de datos sintéticos. Por lo tanto, es importante entender primero que es un Autoencoder. Los Autoencoders fueron descritos por primera vez formalmente en 1986 [1], aunque fue Kramer en 1991 [2], quien presentó una estructura concreta, y…
-
Kernel Density Estimators para la creación de datos sintéticos
Comenzamos este maravilloso mes de Abril con otro tipo de modelo estadístico generativo, en este caso los Kernel Density Functions. La motivacion de este tipo de algoritmos es ser capaces de describir la función de densidad de una población basándonos unicamente en una muestra limitada de esta. Es importante que entendamos a que nos referimos…
-
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…
-
Mantenimiento predictivo a partir de datos acústicos
Para desarrollar un sistema de mantenimiento predictivo se suelen utilizar datos de sensores con el fin de monitorizar el estado de los equipos y predecir posibles fallos antes de que ocurran. Tradicionalmente, estos sensores miden variables como la temperatura, la vibración o la corriente eléctrica. En algunas ocasiones, el uso de sensores puede resultar invasivo,…
-
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)…
-
Modelos de Difusión para la creación sintética de datos
En las entradas previas en el blog hemos estado introduciendo la creación sintética de datos usando modelos basados en datos. Hoy presentamos una técnica diferente, denominada Modelos de difusión. Los modelos de difusión son modelos generativos, que consiguen generar a raíz de ruido datos sintéticos similares a los datos con los que hemos entrenado el…