Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. INTROODUCCION
La mayora de los mtodos de anlisis de
resultados futbolsticos, se basan en
mtodos estadsticos utilizando la mayor
cantidad
de
datos
posibles,
e
introducindolos en grandes bases de
datos para realizar clculos costosos que
intenten vislumbrar aquellos factores ms
influyentes en el resultado final de un
encuentro.
Pero en el mbito estadstico, es difcil
tener el control de multitud de variables
que tengan una alta correlacin. De
hecho, es difcil el estudio estadstico con
ms de 3 variables inter-relacionadas.
En ese sentido surge el estudio de las
Redes de Neuronas Artificiales, teniendo
excelentes resultados respecto a los
modelos derivados de la estadstica
clsica [PSICO-01]. El paralelismo de
clculo, la memoria distribuida y la
adaptabilidad al entorno, han convertido a
las RNA en potentes instrumentos con
capacidad para aprender relaciones entre
variables sin necesidad de imponer
presupuestos o restricciones de partida en
-1-
PANORAMA HISTRICO
Conseguir, disear y construir mquinas
capaces de realizar procesos con cierta
inteligencia ha sido uno de los principales
objetivos y preocupaciones de los
cientficos a lo largo de la historia. Sin
embargo a pesar de disponer de
herramientas y de lenguajes de
programacin diseados para el desrrollo
de mquinas inteligentes, existe un
problema de fondo que limita los
resultados:
estas
mquinas
se
implementan sobre ordenadores basados
en la filosofa de Von Neumann, y se
apoyan en una descripcin secuencial del
proceso de tratamiento de la informacin.
Las primeras explicaciones tericas sobre
el cerebro y el pensamiento fuern dadas
por algunos filsofos griegos, como
Platn y Aristteles, quienes fuern
apoyados despes por Descartes y
filsofos empiristas.
Alan Turing, en 1936, fue el primero en
estudiar el cerebro como una forma de ver
el mundo de la computacin, pero quienes
primero concibiern algunos fundamentos
de la computacin neuronal fuern
Warren McCulloch y Walter Pitts,
despes otras teorias iniciales fuern
expuestas por Donald Hebb. Pero solo
hasta 1957 Frank Rosenblatt comenz el
desarrollo del Perceptrn, la red neuronal
ms antigua de la que me encargar
posteriormente.
ELEMENTOS
DE
UNA
RED
NEURONAL ARTIFICIAL
Las redes neuronales artificiales (RNA)
son modelos que intentan reproducir el
-2-
-3-
3. METODO DE LA INVESTIGACION.
BIBLIOGRAFIA
-6-
4. CONCLUSIONES
Acerca de las dos aproximaciones
utilizadas, podemos concluir que el
segundo modelo ha sido claramente ms
satisfactorio a tenor de los resultados
observados. En la siguiente figura
podemos ver un resumen:
Quiniela
simple
Multicapa http://www.bibliopsiquis.com/
psicologiacom/vol5num2/2833/
[RESO-99] Ferreira, C., Gonzlez, J.
Resolucin de quinielas futbolsticas
mediante la utilizacin de una red
feedforward
con
algoritmo
de
aprendizaje backpropagation. Prctica
1999
[SERRANO-97]
Serrano,
C.
(1997). Feedforward Neural Networks in
the
Classification
of
Financial
Information, European Journal of
Finance, Vol 3, N 3, September, pp. 183202
5. BIBLIOGRAFIA
[CIBER-01]
http://ciberconta.unizar.es/LECCI
ON/visual/INICIO.HTML
[DOXMA-01]
http://www.doxmatic.com/EE/arti
culos.mv?20010212
[GOAL-01]
Edicin espaola de
Goal.com
http://www.goal.com/es
[NEURO-01]
http://www.cinefantastico.com/ne
xus7/ia/neurocomp6.htm
[PSICO-01] Tutorial
sobre
Redes
Neuronales Artificiales: El Perceptrn
-8-