Simulación en la identificación de mirtáceas basado en redes neuronales artificiales supervisadas

• Autores: Mariño, Sonia Itatí
• Año de publicación: 2019
• Idioma: español castellano
• Tipo de recurso: artículo
• Fuente: Revista de la Escuela de Perfeccionamiento en Investigación Operativa, 2019, año XXVII, no. 45. p. 25-41.
• Materia: Inteligencia artificial; Minería de datos; Modelos conexionistas; Modelos supervisados; Simulación; Botánica; Artificial Intelligence; Data Mining; Connectionist models; Supervised models; Simulation; Botany
• Institución: Universidad Nacional del Nordeste

Fil: Mariño, Sonia Itatí. Universidad Nacional del Nordeste. Facultad de Ciencias Exactas y Naturales y Agrimensura; Argentina.
Modelar y simular el conocimiento de los especialistas es un área de constante interés científico-tecnológico. En dominios botánicos se aplican tecnologías de la Inteligencia Artificial para apoyar la identificación de especies vegetales, como una estrategia para afrontar complejos procesos decisorios. La Minería de Datos abarca una diversidad de técnicas entre ellas las basadas en tecnologías de la Inteligencia Artificial, como son las Redes Neuronales Artificiales. En el trabajo se proponen y evalúan algunas soluciones inferenciales sustentadas en modelos conexionistas supervisados, como una alternativa de apoyo a la toma de decisiones en la identificación taxonómica. Finalmente, se justifican los resultados obtenidos en las simulaciones y se proponen futuras líneas de trabajo.
Modeling and simulating the knowledge of specialists, is a constant area of scientific and technological interest. In botanical domains technologies are applied in order to support the identification of plant species, as a strategy to deal with complex decision-making processes. The Data Mining covers a range of techniques including those based on the Artificial Intelligence technologies, such as Artificial Neural Networks. In the paper some connectionism supervised models are proposed and evaluated, as an alternative to decision-making support in the taxonomic identification. Finally, the results of simulations are justified and some future lines are proposed.