Resumen

En este trabajo se desarrollan modelos de red neuronal artificial (RNA), de sistema de inferencia neurofuzzy adaptativo (ANFIS) y de sistema basado en reglas difusas (FRBS) para predecir la demanda de asistencia en los partidos de fútbol europeos. Para determinar el método más exitoso, se analiza cada uno de los métodos en diferentes situaciones. Se desarrollan los tipos de red de retropropagación de Elman, retropropagación de avance y retropropagación de avance en cascada para determinar el modelo de RNA de mayor rendimiento. Los métodos de retropropagación y de optimización híbrida se utilizan para entrenar el sistema de inferencia difusa (FIS) con el fin de determinar el modelo ANFIS de mayor rendimiento. El modelo de lógica difusa se desarrolla tras experimentar diferentes formas de funciones de pertenencia. Para ello, se utilizan los datos de 236 partidos de fútbol para entrenar los modelos ANN y ANFIS, y los datos de la temporada 2017/2018 de estos clubes se utilizan para probar todos los modelos. Los resultados de todos los modelos se comparan entre sí y con los datos reales del pasado. Para evaluar el rendimiento de cada modelo, se implementan dos medidas de error que son el Error Medio Absoluto Porcentual (MAPE) y la Desviación Media Absoluta (MAD). Estas medidas revelan que el modelo de RNA que tiene el tipo de red Elman supera a los otros modelos. Por último, los resultados ponen de manifiesto que el modelo de RNA propuesto puede utilizarse eficazmente con fines de predicción.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:modelo, tipo de red de retropropagación, datos reales pasados, forma de pertenencia, porcentaje absoluto de error, superación del modelo anfis, red neuronal artificial, sistema de inferencia difusa, modelo de lógica difusa, modelo ann propuesto
• Keywords:model, backpropagation network type, real past data, form of membership, absolute percent error, outperforming anfis model, artificial neural network, fuzzy inference system, fuzzy logic model, proposed ann model