Tesis:
Nuevos algoritmos de entrenamiento y visualización de redes neuronales autoorganizativas para su aplicación en teledetección
- Autor: DELGADO SANZ, Maria Soledad
- Título: Nuevos algoritmos de entrenamiento y visualización de redes neuronales autoorganizativas para su aplicación en teledetección
- Fecha: 2010
- Materia: Ciencias de la computación y tecnología informática
- Escuela: FACULTAD DE INFORMATICA
- Departamentos: ARQUITECTURA Y TECNOLOGIA DE SISTEMAS INFORMATICOS
- Acceso electrónico: http://oa.upm.es/1930
- Director/a 1º: MARTÍNEZ IZQUIERDO, Estíbaliz
- Director/a 2º: GONZALO MARTIN, Consuelo
- Resumen: La teledetección se puede definir como la disciplina que permite la adquisición de información de la superficie de la tierra sin realizar ningún contacto con el material objeto de la observación. El desarrollo de herramientas para analizar y procesar imágenes multiespectrales capturadas por sensores a bordo de satélites ha ofrecido la posibilidad de automatizar tareas que no podrían realizarse de otra manera. El principal problema relacionado con esta disciplina es el gran volumen de datos de naturaleza multidimensional que debe manejarse.
La red neuronal autoorganizativa, concretamente el modelo planteado por Kohonen, ha demostrado ser una herramienta versátil y útil en el análisis exploratorio de datos. El modelo de Kohonen presenta ciertas limitaciones relacionadas principalmente con su arquitectura, lo que ha hecho surgir nuevos tipos de mapas autoorganizativos que palian esta problemática, como el modelo Growing Cell Structures (GCS).
Esta Tesis se propone un nuevo algoritmo de entrenamiento del modelo GCS, que mejora la adaptación de esta red a la topología del espacio de entrada. Con el fin de explotar este paradigma dentro del área de Teledetección, se han desarrollado diversos métodos de visualización de información multidimensional basados en el modelo GCS, así como distintas técnicas de etiquetado de la red para tareas de clasificación semi-supervisada y no supervisada o procesos de estimación de variables a través de información multiespectral. De igual manera, se han desarrollado diversas medidas adaptadas al modelo GCS para evaluar la calidad de la red entrenada.
La metodología desarrollada se ha utilizado en diversas tareas de máximo interés en el área de Teledetección, como son la clasificación de cubiertas terrestres en procesos semi-supervisados y no supervisados, la evaluación de la calidad de la selección de áreas de entrenamiento, la estimación de variables físicas de cubiertas acuosas o el análisis de la validez de índices espectrales sobre imágenes con características específicas.
Las características de las herramientas desarrolladas han hecho de la metodología propuesta un instrumento de gran utilidad en otras áreas de investigación, que comparten con la Teledetección la necesidad de manejar información multidimensional. Es por ello que se han incluido experimentos relacionados con el manejo de cadenas de ADN, así como con el tratamiento de datos médicos relacionados con variables cinemáticas de la marcha en niños que han permitido validar la metodología desarrollada.