Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada
Resumen La clasificación de la madera aserrada es una de las actividades más subjetivas de la fase final del proceso de aserrado de trozas en los aserríos. La presente investigación tuvo como objetivo proponer herramientas de auxilio en la clasificación de madera aserrada de coníferas. El estudio se realizó en el aserrío Combate de Tenerías de la Empresa Forestal Integral (EFI) Macurije, Pinar del Río, Cuba. Los datos utilizados proceden de 259 tablas de Pinus caribaea var. caribaea clasificadas siguiendo las exigencias (24 variables) y clases establecidas por el clasificador de madera aserrada de coníferas utilizado en Cuba. Se procedió al ajuste de un modelo de Regresión Logística Multinomial Ordinal (RLMO) y al entrenamiento de Redes Neuronales Artificiales (RNAs). Los parámetros del modelo RLMO fueron estimados usando el método de máxima verosimilitud optimizada con el algoritmo de Newton-Raphson. El entrenamiento de las RNAs se realizó con el algoritmo Broyden-Fletcher-Goldfarb-Shanno (BFGS). El problema de multicolinearidad, casi siempre presente en modelaciones con numerosas variables predictivas, fue abordado con el análisis factorial, utilizando los factores retenidos como entradas de los modelos. Con base en el porcentaje de aciertos en la clasificación, la RNA RBF 24-8-4 fue superior a las ecuaciones de regresión logística ordinal.
Main Authors: | , , , , , , , |
---|---|
Format: | Digital revista |
Language: | Spanish / Castilian |
Published: |
Instituto Tecnológico de Costa Rica
2021
|
Online Access: | http://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S2215-25042021000200029 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
oai:scielo:S2215-25042021000200029 |
---|---|
record_format |
ojs |
spelling |
oai:scielo:S2215-250420210002000292022-01-20Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserradaGuera,Ouorou Ganni MarielSilva,José Antônio Aleixo daFerreira,Rinaldo Luiz CaracioloÁlvarez Lazo,DanielBarrero Medel,HéctorGarofalo Novo,Madelén C.Filho,Moacyr CunhaSilva,José Wesley Lima Análisis Factorial Función de Base Radial Perceptrón Multicapa Resumen La clasificación de la madera aserrada es una de las actividades más subjetivas de la fase final del proceso de aserrado de trozas en los aserríos. La presente investigación tuvo como objetivo proponer herramientas de auxilio en la clasificación de madera aserrada de coníferas. El estudio se realizó en el aserrío Combate de Tenerías de la Empresa Forestal Integral (EFI) Macurije, Pinar del Río, Cuba. Los datos utilizados proceden de 259 tablas de Pinus caribaea var. caribaea clasificadas siguiendo las exigencias (24 variables) y clases establecidas por el clasificador de madera aserrada de coníferas utilizado en Cuba. Se procedió al ajuste de un modelo de Regresión Logística Multinomial Ordinal (RLMO) y al entrenamiento de Redes Neuronales Artificiales (RNAs). Los parámetros del modelo RLMO fueron estimados usando el método de máxima verosimilitud optimizada con el algoritmo de Newton-Raphson. El entrenamiento de las RNAs se realizó con el algoritmo Broyden-Fletcher-Goldfarb-Shanno (BFGS). El problema de multicolinearidad, casi siempre presente en modelaciones con numerosas variables predictivas, fue abordado con el análisis factorial, utilizando los factores retenidos como entradas de los modelos. Con base en el porcentaje de aciertos en la clasificación, la RNA RBF 24-8-4 fue superior a las ecuaciones de regresión logística ordinal.info:eu-repo/semantics/openAccessInstituto Tecnológico de Costa RicaRevista Forestal Mesoamericana Kurú v.18 n.43 20212021-12-01info:eu-repo/semantics/articletext/htmlhttp://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S2215-25042021000200029es10.18845/rfmk.v19i43.5806 |
institution |
SCIELO |
collection |
OJS |
country |
Costa Rica |
countrycode |
CR |
component |
Revista |
access |
En linea |
databasecode |
rev-scielo-cr |
tag |
revista |
region |
America Central |
libraryname |
SciELO |
language |
Spanish / Castilian |
format |
Digital |
author |
Guera,Ouorou Ganni Mariel Silva,José Antônio Aleixo da Ferreira,Rinaldo Luiz Caraciolo Álvarez Lazo,Daniel Barrero Medel,Héctor Garofalo Novo,Madelén C. Filho,Moacyr Cunha Silva,José Wesley Lima |
spellingShingle |
Guera,Ouorou Ganni Mariel Silva,José Antônio Aleixo da Ferreira,Rinaldo Luiz Caraciolo Álvarez Lazo,Daniel Barrero Medel,Héctor Garofalo Novo,Madelén C. Filho,Moacyr Cunha Silva,José Wesley Lima Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada |
author_facet |
Guera,Ouorou Ganni Mariel Silva,José Antônio Aleixo da Ferreira,Rinaldo Luiz Caraciolo Álvarez Lazo,Daniel Barrero Medel,Héctor Garofalo Novo,Madelén C. Filho,Moacyr Cunha Silva,José Wesley Lima |
author_sort |
Guera,Ouorou Ganni Mariel |
title |
Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada |
title_short |
Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada |
title_full |
Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada |
title_fullStr |
Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada |
title_full_unstemmed |
Modelos de Regresión Logística Multinomial Ordinal y Redes Neuronales Artificiales para la clasificación de madera aserrada |
title_sort |
modelos de regresión logística multinomial ordinal y redes neuronales artificiales para la clasificación de madera aserrada |
description |
Resumen La clasificación de la madera aserrada es una de las actividades más subjetivas de la fase final del proceso de aserrado de trozas en los aserríos. La presente investigación tuvo como objetivo proponer herramientas de auxilio en la clasificación de madera aserrada de coníferas. El estudio se realizó en el aserrío Combate de Tenerías de la Empresa Forestal Integral (EFI) Macurije, Pinar del Río, Cuba. Los datos utilizados proceden de 259 tablas de Pinus caribaea var. caribaea clasificadas siguiendo las exigencias (24 variables) y clases establecidas por el clasificador de madera aserrada de coníferas utilizado en Cuba. Se procedió al ajuste de un modelo de Regresión Logística Multinomial Ordinal (RLMO) y al entrenamiento de Redes Neuronales Artificiales (RNAs). Los parámetros del modelo RLMO fueron estimados usando el método de máxima verosimilitud optimizada con el algoritmo de Newton-Raphson. El entrenamiento de las RNAs se realizó con el algoritmo Broyden-Fletcher-Goldfarb-Shanno (BFGS). El problema de multicolinearidad, casi siempre presente en modelaciones con numerosas variables predictivas, fue abordado con el análisis factorial, utilizando los factores retenidos como entradas de los modelos. Con base en el porcentaje de aciertos en la clasificación, la RNA RBF 24-8-4 fue superior a las ecuaciones de regresión logística ordinal. |
publisher |
Instituto Tecnológico de Costa Rica |
publishDate |
2021 |
url |
http://www.scielo.sa.cr/scielo.php?script=sci_arttext&pid=S2215-25042021000200029 |
work_keys_str_mv |
AT gueraouorougannimariel modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada AT silvajoseantonioaleixoda modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada AT ferreirarinaldoluizcaraciolo modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada AT alvarezlazodaniel modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada AT barreromedelhector modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada AT garofalonovomadelenc modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada AT filhomoacyrcunha modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada AT silvajosewesleylima modelosderegresionlogisticamultinomialordinalyredesneuronalesartificialesparalaclasificaciondemaderaaserrada |
_version_ |
1755934714527481856 |