this is for holding javascript data
Carlos Ramírez Piña added section_Conclusiones_Las_RN_proporcionan__.tex
almost 8 years ago
Commit id: ed7b7689ed566d064227d22fa38f5cc67d43584d
deletions | additions
diff --git a/section_Conclusiones_Las_RN_proporcionan__.tex b/section_Conclusiones_Las_RN_proporcionan__.tex
new file mode 100644
index 0000000..faa3c13
--- /dev/null
+++ b/section_Conclusiones_Las_RN_proporcionan__.tex
...
\section{Conclusiones}
Las RN proporcionan un m\'etodo general para desarrollar modelos de predicci\'on del indice carbonilo del poliestireno expandido. La ventaja principal de esta t\'ecnica, si se aplica convenientemente, radica en su capacidad para incorporar interacciones entre las variables sin necesidad de incluirlas a priori. %Adem\'as, su aplicaci\'on no queda restringida a un tipo determinado de distribuci\'on de los datos. Como principal desventaja, sin embargo, debemos indicar que proporciona un modelo que es esencialmente una caja negra.
En esta revisi\'on hemos considerado fundamentalmente el modelo de red m\'as sencillo. En la actualidad se trabaja con nuevos tipos de redes m\'as potentes y que incorporan t\'ecnicas adicionales como son los algoritmos gen\'eticos y los modelos h\'ibridos. Con ello, se empieza a disponer de herramientas que se fundamentan en el c\'alculo intensivo y que desaf\'ian a los planteamientos estad\'isticos convencionales. A nuestro entender, lejos de representar una amenaza, estas t\'ecnicas proporcionan nuevos puntos de vista que pueden ayudar a obtener herramientas m\'as eficaces en muchas aplicaciones pr\'acticas. As\'i, el futuro no deber\'ia plantearse en t\'erminos de competencia entre estos nuevos m\'etodos y la estad\'istica, sino que debería contemplar su acercamiento y complementaci\'on para construir modelos de predicci\'on que sean m\'as v\'alidos.
