Aplicación de un modelo de red neuronal no supervisado a la clasificación de consumidores eléctricos
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Libro electrónico |
| Idioma: | Castellano |
| Publicado: |
San Vicente (Alicante) :
ECU
2013.
|
| Materias: | |
| Ver en Biblioteca Universitat Ramon Llull: | https://discovery.url.edu/permalink/34CSUC_URL/1im36ta/alma991009426045306719 |
Tabla de Contenidos:
- APLICACIÓN DE UN MODELO DE RED NEURONAL NO SUPERVISADO A LA CLASIFICACIÓN DE CONSUMIDORES ELÉCTRICOS; PÁGINA LEGAL; ÍNDICE; RESUMEN; 1 INTRODUCCIÓN; 1.1. OBJETO DE LA INVESTIGACIÓN; 1.2. MOTIVACIÓN; 1.3. METODOLOGÍA; 1.4. ESTRUCTURA DE LOS CAPÍTULOS; 2 MERCADOS ELÉCTRICOS, LA DEMANDA Y (...); 2.1 INTRODUCCIÓN; 2.2 LOS MERCADOS ELÉCTRICOS; 2.2.1 ORÍGENES Y EVOLUCIÓN; 2.2.1.1 MODELO DE MONOPOLIO O COMPRADOR ÚNICO; 2.2.1.2 MODELO DE COMPETENCIA MAYORISTA; 2.2.1.3 MODELO DE LIBERTAD DE ELECCIÓN PARA TODOS LOS CONSUMIDORES; 2.2.2 LA LIBERALIZACIÓN COMO PROCESO
- 2.2.3 CARACTERÍSTICAS DEL CONSUMO ELÉCTRICO2.2.4 LA GESTIÓN DE LA DEMANDA ELÉCTRICA; 2.2.5 PRINCIPIOS DE LA RESPUESTA DE LA DEMANDA; 2.2.6 INTEGRACIÓN DE LA RESPUESTA DE LA DEMANDA EN LOS MERCADOS, EN LOS ÚLTIMOS AÑOS; 2.2.6.1 AGENTES INTERESADOS; 2.2.6.2 COMERCIALIZADORES Y AGREGADORES; 2.2.6.3 LOS CONSUMIDORES; 2.2.7 CARACTERÍSTICAS DE LAS POSIBILIDADES Y REQUISITOS ACTUALES DE PARTICIPACIÓN; 2.3 SEGMENTACION Y AGREGACION; 2.3.1 CONSUMIDORES CON POTENCIAL DE PARTICIPACIÓN EN EL MERCADO; 2.4 CONCLUSIONES; 3 REVISIÓN DE TÉCNICAS DE SEGMENTACIÓN; 3.1 REVISIÓN DE TÉCNICAS; 3.1.1 INTRODUCCIÓN
- 3.1.2 CARACTERÍSTICAS GENERALES DE LOS PROCESOS DE CLASIFICACIÓN3.1.3 ADQUISICIÓN Y GESTIÓN DE DATOS; 3.1.3.1 PRETRATAMIENTO O ACONDICIONAMIENTO DE DATOS; 3.1.3.2 OBTENCIÓN DE CURVAS EN P.U.; 3.1.3.3 DETECCIÓN DE DATOS ANÓMALOS O ATÍPICOS; 3.1.3.4 PRECLASIFICACIÓN; 3.2 TÉCNICAS DE CLASIFICACIÓN; 3.2.1 MÉTODOS DE ANÁLISIS DE PERFILES DE CARGA; 3.3 TÉCNICAS DE AGRUPACIÓN; 3.3.1 ALGORITMOS DE AGRUPACIÓN; 3.3.2 TÉCNICAS ESTADÍSTICAS; 3.3.2.1 ANÁLISIS DISCRIMINANTE; 3.3.2.2 ESCALAS MULTIDIMENSIONALES; 3.3.2.3 MANOVA (ANÁLISIS MULTIVARIANTE DE VARIANZA); 3.3.2.4 ALGORITMO K-MEANS
- 3.3.2.5 ÁRBOLES DE DECISIÓN3.3.3 REDES NEURONALES; 3.3.3.1 ADALINA; 3.3.3.2 PERCEPTRÓN MULTICAPA (MLP); 3.3.3.3 RED COMPETITIVA LVQ; 3.3.3.4 REDES DE ELMAN; 3.3.3.5 RED DE CAPA COMPETITIVA; 3.3.3.6 REDES DE BASE RADIAL; 3.3.3.7 RED DE REGRESION GENERALIZADA; 3.3.3.8 RED NEURONAL PROBABILÍSTICA; 3.3.4 LÓGICA DIFUSA; 3.3.4.1 ANFIS (SISTEMA DE INFERENCIA NEURO-FUZZY ADAPTATIVO); 3.3.4.2 CLUSTERING SUBSTRACTIVO; 3.3.4.3 FUZZY C-MEANS CLUSTERING; 3.3.5 LA BONDAD DE LA AGRUPACIÓN REALIZADA; 3.4 CONCLUSIONES; 4 ANÁLISIS DE TÉCNICAS DE SEGMENTACIÓN; 4.1. INTRODUCCIÓN; 4.2 TÉCNICAS ANALIZADAS
- 4.3 HERRAMIENTAS Y SOFTWARE DISPONIBLE4.3.1 IMPLEMENTACIÓN DE REDES NEURONALES ARTIFICIALES; 4.3.2 PROGRAMAS DE SIMULACIÓN DE REDES NEURONALES; 4.3.2.1 PROGRAMAS COMERCIALES; 4.3.2.2 PROGRAMAS DE LIBRE DISTRIBUCIÓN; 4.3.3 IMPLEMENTACIÓN DE SISTEMAS BORROSOS; 4.3.3.1 ENTORNOS DE LÓGICA BORROSA; 4.3.4 IMPLEMENTACIÓN DE TÉCNICAS ESTADÍSTICAS; 4.3.5 SOFTWARE SELECCIONADO; 4.4 ESPECTRO DE DATOS DE ESTUDIO; 4.4.1 SELECCIÓN DE LOS RASGOS ADECUADOS PARA LA CARACTERIZACIÓN DE LOS CLIENTES; 4.4.2 PRIMER CONJUNTO DE DATOS (DOS CONSUMIDORES); 4.4.3 SEGUNDO CONJUNTO DE DATOS (VEINTISÉIS CONSUMIDORES)
- 4.4.4 ANÁLISIS DE LAS TÉCNICAS DE CLASIFICACIÓN
