| Revista: | Visión gerencial |
| Base de datos: | CLASE |
| Número de sistema: | 000329885 |
| ISSN: | 1317-8822 |
| Autores: | Vera, Miguel1 Bustamante, Juan2 |
| Instituciones: | 1Universidad Nacional Experimental del Táchira, San Cristóbal, Táchira. Venezuela 2Universidad de Los Andes, San Cristóbal, Táchira. Venezuela |
| Año: | 2007 |
| Periodo: | Mar |
| Volumen: | 6 |
| Paginación: | 130-142 |
| País: | Venezuela |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Tradicionalmente se pronostica utilizando métodos convencionales (regresión lineal, ARIMA), con su particular enfoque en los errores inherentes a cada método. La complejidad del entorno que afrontan organizaciones, sugiere el abordaje de una metodología que genere mayor precisión al momento de hacer estimaciones. El uso de máquinas de aprendizaje, en particular, de redes neurales, ha venido proliferándose debido a la masificación del uso de la computadora personal y a la aparición de herramientas de desarrollo cada vez más versátiles. Ahora bien, todo proceso que sea susceptible de ser vectorizado, puede ser abordado con éxito mediante el empleo de máquinas de aprendizaje. La construcción de un modelo dinámico para pronosticar permite alternativas de solución con niveles de incertidumbre mejores de los que suministra las técnicas convencionales. El programa que se utiliza para implementar el modelo, tiene como ventaja que no requiere conocimiento en programación por parte de los usuarios. Por tanto, es bastante sencillo introducir a los participantes en el mundo del pronóstico no convencional, con el objeto de apoyar la toma de decisiones |
| Resumen en inglés | Traditionally it is predicted using conventional methods (lineal regression, ARIMA), with their particular approach in the inherent errors to each method. The complexity of the environment that confront organizations, suggests the boarding of a methodology that generates more precision at the moment to make estimations. The use of learning machines, in particular, of neural networks, has come being proliferated due to the PC massification and to the appearance of more and more versatile development tools. Now then, all process that is susceptible of being vectorized, it can be approached with success by means of the employment of learning machines. The construction of a dynamic model to predict allows alternatives of solution with better levels of uncertainty of those given by the conventional techniques. The program that is used to implement the pattern has an advantage because of it doesn't require programming knowledge. Therefore, it is quite simple to introduce the participants in the world of the non-conventional prediction, in order to support the decision taking process |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Inteligencia artificial (IA), Redes neuronales, Computación, Pronósticos, Modelo dinámico, Toma de decisiones |
| Texto completo: | Texto completo (Ver PDF) |
