Redes neuronales definitivo

REDES NEURONALES Gonzalo García Jiménez Fernando Higes Morón 2009/10

INDICE ,[object Object],[object Object],[object Object]

Introducción ,[object Object],[object Object],[object Object]

Introducción CONJUNTO ENTRENAMIENTO CONJUNTO VALIDACIÓN APRENDIZAJE RETROPROPAGACIÓN

Traceability of olive oil based on volatiles pattern and multivariate analysis Tomas Cajka, Katerina Riddellova, Eva Klimankova, Monika Cerna, Frantisek Pudil, Jana Hajslova Food Chemistry 121 (2010), 282-289

TRAZABILIDAD DE ACEITE DE OLIVA ,[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],En esta aplicación: HS-SPME GC-ITMS

TRAZABILIDAD DE ACEITE DE OLIVA ,[object Object],Vernazza Rio Maggiore

TRAZABILIDAD DE ACEITE DE OLIVA ,[object Object],[object Object],[object Object],[object Object],[object Object]

TRAZABILIDAD ACEITE DE OLIVA ,[object Object]

TRAZABILIDAD ACEITE DE OLIVA ,[object Object],[object Object]

TRAZABILIDAD ACEITE DE OLIVA ,[object Object],[object Object],[object Object],[object Object],… PC1 16,7% varianza PC2 9,5% varianza PCs con  >1 65% Varianza total

TRAZABILIDAD ACEITE DE OLIVA ,[object Object],[object Object],LDA ANN CONDICIONES CLIMATOLÓGICAS

TRAZABILIDAD ACEITE DE OLIVA ,[object Object],[object Object],Alta sensibilidad: 89,9% Baja selectividad: 58,2% Muestras Liguria Muestras no Liguria RELACIÓN ENTRE VARIABLES MUY COMPLEJA ANN

TRAZABILIDAD ACEITE DE OLIVA ,[object Object],[object Object],94 muestras RETROPROPAGACIÓN Conjunto de validación Conjunto de entrenamiento 186 muestras Subconjunto de examen 634 muestras

TRAZABILIDAD ACEITE DE OLIVA ,[object Object],[object Object],[object Object],MEJOR RED NEURONAL Capa entrada 44 neuronas 25 neuronas 1 neurona Capa escondida Capa salida

TRAZABILIDAD ACEITE DE OLIVA ,[object Object],[object Object],Alta sensibilidad: 84,1% Alta selectividad: 80,7% Muestras Liguria Muestras no Liguria  CORRECTA CLASIFICACIÓN DEL ACEITE

Application of a sensor array as a technique in sensory analysis M. Hruškar, N. Major, M. Krpan Talanta 81 (2010), 398-403

APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS DOS RUTAS PRINCIPALES CARACTERIZACIÓN DE ALIMENTOS QUÍMICA ANALÍTICA EVALUACIÓN SENSORIAL

APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS LECHE FERMENTADA PROBIÓTICA DE 4 CATEGORÍAS Lengua electrónica α -Astree Panel sensorial (Catadores) ,[object Object],[object Object],[object Object],[object Object]

APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS OBJETIVOS Monitorizar cambios de composición Evaluación mediante clasificación correcta Comparación con el panel sensorial PCA ANN ANN y PLS

[object Object],[object Object],[object Object],[object Object],APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS ,[object Object],[object Object],[object Object]

[object Object],[object Object],CAPA DE SALIDA ,[object Object],APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS 7 neuronas 74 neuronas 4 neuronas CAPA DE ENTRADA CAPA ESCONDIDA

Sobreentrenamiento ,[object Object],APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS Aparecen tanto conjunto de entrenamiento como de validación 63 95 Manzana/ Pera 63 100 Frutas del bosque Capacidad de predicción Capacidad de reconocimiento

[object Object],[object Object],[object Object],ANN PLS VS APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS ,[object Object]

APLICACIÓN DE UN SENSOR COMO TÉCNICA DE ANÁLISIS ,[object Object],[object Object],[object Object],[object Object]

Redes neuronales definitivo

Recomendados

Recomendados

Más contenido relacionado

Destacado

Destacado (18)

Similar a Redes neuronales definitivo

Similar a Redes neuronales definitivo (20)

Último

Último (15)

Redes neuronales definitivo