Efectos de la estructura estadística de datos en la implementación de la Red Neuronal de Análisis de Componentes Principales

Abstract

La presente investigación plantea como objetivo estudiar aspectos técnicos relacionados con la implementación de la red neuronal de Análisis de Componentes Principales (ACP) en términos de su capacidad de estimación, generalización y precisión con el fin de establecer criterios óptimos para su validación, evaluación del desempeño e implementación. Para ello, se plantea la hipótesis de que la estructura estadística de los datos influye significativamente en el óptimo desempeño de la red neuronal de ACP en el contexto no supervisado. Se demostró que el algoritmo Hebbiano de la fase de aprendizaje garantiza la calidad de representación de la red debido a que capitaliza eficientemente la información en escenarios con varianza generalizada grande. Al contrario, ante la presencia de outliers tanto en la fase de entrenamiento como de validación éste no logra construir eficientemente la función codificación decodificación que minimice la pérdida. Para alcanzar los objetivos planteados se ha diseñado un experimento aleatorio en diferentes escenarios del espacio parametral, diferentes estructuras de datos y cantidad de datos de entrenamiento. Finalmente, la red ACP se aplica en el campo de la investigación educativa mediante el análisis de datos psicométricos en escala de medición de rango.