7/26/2019 pronosticos con redes neuronales

1/5

Caso: Pronsticos con redes neuronales artificiales.

La eleccin e implementacin de un mtodo adecuado de pronsticos siempre ha sido un tema de gran

importancia para las empresas. Se utilizan los pronsticos en el rea de compras, marketing, ventas, etc. Un

error significante en el pronstico de ventas podra dejar a una empresa sin la materia prima o insumos

necesarios para su produccin, o podra generarle un inventario demasiado grande. n am!os casos, el

pronstico errneo disminu"e las utilidades de la empresa.

Pronstico de Ventas: Comparacin de Prediccin entre Redes Neuronales y Mtodos Estadsicos (PDF

Download !aila"le#. #vaila!le from$

https://www.researchgate.net/publication/26520179_Pronostico_de_Ventas_Coparacion_de_Predi

ccion_entre_!edes_"euronales_#_$etodos_%stadisicos'accessed $a# 17( 2016).

1. %on tres ideas o razones fundamentadas responde$ &Ser posi!le realizar pronsticos utilizando

redes neuronales artificiales'

(pta$Si es posi!le realizar pronsticos con las redes neuronales por )ue$

Debido al comportamiento no lineal que presenta un pronstico deventas, las redes neuronales artifciales, ANNs - RNAs, por sus siglas eningles (Artifcial Neural Networks) son un ecelente candidato para laprediccin de esta estimacin! "as ANNs - RNAs son usadas en modelos #sistemas altamente no lineales (A$ade%, &'')! n general las ANNs -RNAs son t*cnicas matem+ticas simples diseadas para cumplir una granvariedad de tareas! o# en d.a las ANNs - RNAs pueden ser confguradasen varios arreglos para desarrollar diversas tareas, tales como, elreconocimiento de patrones, miner.a de datos, clasifcacin # prediccin,entre otras (/a%idinasab, &'')! "as ANNs - RNAs est+n compuestas deatributos que aprenden soluciones en aplicaciones donde se necesita unmapeo lineal o no lineal! Algunos de estos atributos son0 capacidad deaprender, generali$acin # procesamiento en paralelo, estos atributos%acen que las ANNs - RNAs puedan resolver problemas comple1os%aciendo de esta t*cnica un m*todo preciso # 2eible (3alestrassi, &''4)

"as redes neuronales artifciales tienen una aplicacin pr+ctica losmodelos estad.sticos tradicionales porque no dependen de supuestos

tericos sobre los que se basan las t*cnicas estad.sticas (normalidad,%omoscedasticidad, independencia, etc)!

"os resultados observados de investigaciones muestran que losm*todos estad.sticos para pronosticar utili$ados parten delcomportamiento de los datos %istricos, en estos modelos se supone queel 5uturo ser+ igual que el pasado, ecepto por las variables reconocidaspor el modelo! 6ero si alguna variable cambia, se %acen inefcientes paraseguir pronosticando, por que parten del supuesto de que la poblacinsiempre tendr+n una distribucin normal! n la red neuronal artifcial nose requieren especifcar supuestos como la distribucin de probabilidad o

patrn de comportamiento en la serie de tiempo para la reali$acin depronsticos de 5orma efciente, pues el m*todo involucra el aprendi$a1ede las relaciones mediante los e1emplos proporcionados, que es al

https://www.researchgate.net/publication/26520179_Pronostico_de_Ventas_Comparacion_de_Prediccion_entre_Redes_Neuronales_y_Metodos_Estadisicoshttps://www.researchgate.net/publication/26520179_Pronostico_de_Ventas_Comparacion_de_Prediccion_entre_Redes_Neuronales_y_Metodos_Estadisicoshttps://www.researchgate.net/publication/26520179_Pronostico_de_Ventas_Comparacion_de_Prediccion_entre_Redes_Neuronales_y_Metodos_Estadisicoshttps://www.researchgate.net/publication/26520179_Pronostico_de_Ventas_Comparacion_de_Prediccion_entre_Redes_Neuronales_y_Metodos_Estadisicos

7/26/2019 pronosticos con redes neuronales

2/5

contrario de los m*todos convencionales para pronsticos donde se tieneque especifcar el patrn de comportamiento de los datos %istricos! Deacuerdo al error cuadr+tico medio (78) como m*trica de desempeo, lared neuronal artifcial presento una me1or pr+ctica a la %ora de reali$arpronsticos

*. %omenta el contenido de los documentos presentados en los siguientes enlaces$

1. http$++.redal"c.org+articulo.oa'id-/0112/3332

2. http$++.scielo.cl+scielo.php'script-sci4artte5t6pid-S3718372/*31*333/33339

*. https$++.emis.de+journals+(%+:*0+:*041477Santana.pdf

+. https$++.researchgate.net+pu!lication+*2;*31704

7/26/2019 pronosticos con redes neuronales

3/5

La clasificacin de las redes neuronales artificiales )ue se presenta en este captulo es una

simple descripcin de las diferentes #== ms comunes " frecuentes en la ma"ora de los

simuladores softare de sistemas de computacin neuronal. La seleccin de una red se realiza

en funcin de las caractersticas del pro!lema a resolver. La ma"ora de stos se pueden

clasificar en aplicaciones de

7/26/2019 pronosticos con redes neuronales

4/5

aplicaciones de estos chips est siendo la simulacin de procesos sensitivos como la visin de

imgenes " la audicin de sonidos.

Consigna$

7/26/2019 pronosticos con redes neuronales

5/5

!eerencias bibliogricas:

1. http$++.redal"c.org+articulo.oa'id-/0112/3332

2. http$++.scielo.cl+scielo.php'script-sci4artte5t6pid-S3718372/*31*333/33339

*. https$++.emis.de+journals+(%+:*0+:*041477Santana.pdf

+. https$++.researchgate.net+pu!lication+*2;*31704