Bielefeld, Univ., Diss., 2004. / Computerdatei im Fernzugriff.

Bielefeld, Universiẗat, Diss., 1999.

Zugl.: Paderborn, Universiẗat, Diss., 2003.

University, Diss., 2005--Kiel.

Zugl.: Paderborn, Universiẗat, Diss., 1994.

En este trabajo se describe la red neuronal como modelo estadístico no lineal, y se presenta aplicaciones de los métodos de combinación de clasificadores ‘’bagging’’ y ‘’boosting’’ en redes neuronales a las bases de datos sonar e iris, como una alternativa de reducción de la tasa de mala clasificación del método de redes neuronales. / -- In this thesis is described a neural networks as statistic model non linear and it study the method of the combination of classifiers bagging and boosting in neural networks as an alternative of reduction of the wrong rate’s classifiers for the method of neural networks. As application of this procedures are analyzed the base of dates. They are very known as ‘’ sonar’’ and ‘’iris’’. / Tesis

Las señales electroencefalográficas, o señales EEG, son registros que se obtienen al medir las corrientes eléctricas que viajan a través del cerebro. En ellas es posible encontrar información no sólo sobre la actividad cerebral sino también sobre las zonas del cerebro que intervienen en actividades específicas. Procesar la información presente en estas señales es fundamental para poder comprender en profundidad el funcionamiento del cerebro. En particular, cuando las funciones cerebrales se ven alteradas por el consumo de sustancias psicoactivas, enfermedades degenerativas u otros daños, el procesamiento de las señales EEG permite obtener información sobre qué zonas están dañadas y en qué medida. En ese sentido, el principal objetivo de esta tesis es procesar la información presente en las señales EEG mediante la utilización de la Transformada Wavelet y, de esta manera, poder cuantificar e identificar las diferencias entre el funcionamiento de un cerebro "sano" y otro dañado, o estudiar de qué manera trabaja el cerebro sometido a diferentes estímulos. El objetivo secundario es mostrar que la automatización en la identificación y clasificación de la información obtenida podría ser posible mediante redes neuronales artificiales. Procesando dos bases de datos diferentes, pudimos constatar que las variables cuantitativas obtenidas permiten caracterizar la actividad cerebral, y que dicha caracterización puede ser automáticamente clasificada mediante redes neuronales artificiales. En el primer caso, logramos clasificar una población sujetos en dos grupos, alcohólicos y control, procesando las señales EEG obtenidas a partir de someter a los sujetos a estímulos visuales. En el segundo caso encontramos evidencia de que diferentes emociones evocadas por estímulos audiovisuales producen diferencias detectables en las señales EEG, aunque no logramos automatizar la clasificación de la información. Los resultados obtenidos en la primera aplicación constituyen un aporte en la obtención de mecanismos que contribuyan al diagnóstico de daños ocasionados por consumo de sustancias psicoactivas. / Electroencephalographic signals, or EEG signals are signals obtained by measuring the electrical currents that travel through the brain. These signals not only provide information on brain activity but also give an insight of the brain regions involved in especific activities. To fully understand how the brain works, is critical to process that information. In particular, when brain functions are affected by the abuse of psychoactive substances, degenerative diseases or other damages, the processing of EEG signals allows to obtain information about the extent of the damaged areas. In that sense, the main objective of this thesis is to extract the information from the EEG signals using the Wavelet Transform, and then quantify and identify the differences between the performance of a "healthy" brain and a damaged one, or study how the brain of different subjects perform different to stimuli. The secondary objective is to show that the identification and classification of the information could be done automatically using artificial neural networks. The processing of two different databases showed that it is possible to characterize brain activity using the quantitative variables we obteined, and that such characterization can be used to perform an automatic classification using artificial neural networks. In the first case, we successfully classified subjects into two groups, alcoholics and control, using processed EEG signals obtained from subjects exited by visual stimuli. In the second case we found evidence that different emotions evoked by audiovisual stimuli produce detectable differences in EEG signals, although we could not perform an automatic classification of the information. The results obtained in the first application constitute a contribution in the development of mechanisms that contribute to diagnose the damage produced by psychoactive substance abuse.

Zugl.: Münster (Westfalen), University, Diss., 2008.

TESIS PARA OPTAR AL GRADO DE MAGISTER EN FINANZAS / Con éste compendio se pretende alcanzar una formación de alto nivel que permita efectuar análisis coherentes y con capacidad predictiva sobre problemas cotidianos planteados en los mercados financieros del área tecnológica, utilizando técnicas aplicables al área de estudio de las finanzas, tales como algoritmo genético, redes neuronales y lógica borrosa, métodos que serán utilizados para analizar las variaciones en los precios de las acciones de Microsoft respecto a otras empresas del área tecnológica como Oracle, Intel, Adobe, Hewlett Packard, entre otras. Sabemos que no existe un modelo matemático para la predicción en los mercados financieros. Además existen correlaciones complejas entre los distintos valores y su comportamiento puede estar influenciado por sucesos que no están contemplados o de los que no se dispone información suficiente. Es en estos entornos donde el problema es altamente complejo al existir influencia mutua entre los distintos valores y sucesos, la información es borrosa o incluso inexistente en algunos casos, y las relaciones son altamente no lineales, las redes neuronales sobrepasan ampliamente las técnicas convencionales. Para conseguir los datos se utilizó un sistema de descarga online automático, el cual baja los datos históricos directamente desde la página YAHOO.FINANCE.COM. El sistema on line se ocupa no sólo de la descarga de datos, sino que además introduce los datos en el sistema. El estudio tiene por objetivo: ����� Analizar de variación de precios de Microsoft y de las empresas del sector. ����� Introducir los datos en planillas Excell, para poder analizarlos a través de los métodos predictivos algoritmo genético, redes neuronales y lógica borrosa. ����� Evaluar la robustez de los resultados obtenidos. Comparar la rentabilidad de estas estrategias de inversión con la de una estrategia pasiva, comprar mantener o “buy and hold” en los distintos escenarios (elegidos aleatoriamente) a fin de medir la significancia económica de los resultados y el cumplimiento o no de la hipótesis de mercados eficientes (Fama 1970), donde la eficiencia significa que el mercado refleja completa y correctamente toda la información relevante para la determinación de los precios de los activos.

Diseña un sistema experto para reconocer el síndrome metabólico basado en redes neuronales, de tal manera que permita identificar los pacientes con síndrome metabólico (SM). Para ello revisa e identifica los criterios de diagnóstico de las organizaciones mundiales en la identificación del SM y el algoritmo back propagation para el entrenamiento de la red neuronal. / Tesis