Redes neuronales convolucionales para datos composicionales: Una aplicación a la industria textil de la moda

• Autor: Cotacallapa Amanqui, Pavel Arturo
• Formato: tesis de maestría
• Fecha de Publicación: 2022
• Institución: Pontificia Universidad Católica del Perú
• Repositorio: PUCP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.pucp.edu.pe:20.500.14657/184392
• Enlace del recurso: http://hdl.handle.net/20.500.12404/22095
• Nivel de acceso: acceso abierto
• Materia: Redes neuronales; Procesamiento de datos; Variables (Estadística); https://purl.org/pe-repo/ocde/ford#1.01.03

En muchas situaciones prácticas es necesario el uso de modelos que puedan predecir una colección de datos limitados por un intervalo cuya suma sea una constante por cada unidad estadística. Este tipo de variable respuesta se conoce como datos composicionales. Por otro lado, el número de covariables que se usan para el entrenamiento de este tipo de modelos pueden provenir de datos asociados a imágenes como la intensidad de los pixeles. En ese contexto, se propone el uso de las redes neuronales convolucionales como una primera alternativa para intentar estimar este tipo de variable respuesta. Se utiliza la distribución de Dirichlet como distribución condicional de los datos y nalmente se propone una aplicación del modelo utilizando imágenes de prendas de vestir que se venden por catálogo en donde el objetivo es predecir las participaciones de las tallas que se venden por cada unidad estadística.