Perceptrón multicapa de una red neuronal artificial y su aplicación en la predicción del turismo en el departamento de Ancash, 2018

• Autores: Gomero Córdova, Gary Roosvelt, Vidal Robles, César Eduardo
• Formato: tesis de grado
• Fecha de Publicación: 2019
• Institución: Universidad Nacional Santiago Antúnez de Mayolo
• Repositorio: UNASAM-Institucional
• Lenguaje: español
• OAI Identifier: oai:172.16.0.151:UNASAM/4536
• Enlace del recurso: http://repositorio.unasam.edu.pe/handle/UNASAM/4536
• Nivel de acceso: acceso abierto
• Materia: Perceptrón multicapa; Red neuronal artificial; Series de tiempo; https://purl.org/pe-repo/ocde/ford#1.01.03

El presente trabajo de tesis según su diseño fue no experimental, longitudinal de tipo serie de tiempo y tuvo por objetivo evaluar la capacidad predictiva del perceptrón multicapa de una red neuronal artificial aplicado al turismo en el departamento de Ancash, 2018, según los registros de arribos a los establecimientos de hospedaje, que se encontraron en las bases de datos del INEI. La arquitectura de la red neuronal artificial estuvo compuesta por 12 variables entrada rezagadas en el tiempo y una variable de salida, con modelo de multicapa y retropropagación, con función de activación logístico, con dos capas ocultas de 9 y 1 neurona respectivamente, y un umbral de detención del 0.01. El algoritmo de entrenamiento estuvo compuesto por el 80% de los datos de la serie temporal y del 20% para la muestra de validación. El modelo de red neuronal artificial fue válido debido a que presentó un umbral de 0.008394336 lo cual fue inferior al umbral 0.01 de la arquitectura inicial, además de presentar un error de tan solo 0.091085 y una capacidad predictiva de R2 = 0.968, siendo este un muy buen ajuste a los datos de la serie temporal