Estimación de las propiedades de curado de gomas mediante SVM

Resumen

Las máquinas de vectores soporte (Support Vector Machine, SVM) son potentes estructuras de aprendizaje automático, basadas en la teoría estadística del aprendizaje, capaces de resolver problemas de clasificación, regresión y estimación y que han sido importante objeto de estudio en los últimos años. El método fue propuesto por V. Vapnik a finales de los 70 en problemas de reconocimiento de patrones. En los años 90 el método fue generalizado y en la actualidad es objeto de un gran interés, por su mejor desempeño que las redes neuronales, cuyo aprendizaje está basado, en general, en la minimización del error, lo que no asegura, por sí sólo, la maximización de sus capacidades de generalización. Las máquinas de vectores soporte aportan mejoras a los métodos clásicos de aprendizaje: la talla de la red no se fija desde un principio y se garantiza, matemáticamente, el máximo nivel de generalización. En este trabajo se presenta un modelo basado en SVM para la predicción de las propiedades de curado de mezclas de gomas a partir de su composición química y de las condiciones de mezclado del caucho. Su potencia se muestra al comparar los resultados obtenidos con los del modelo neuronal feedforward estándar, entrenado mediante el algoritmo de retropropagación (backpropagation), propuesto en un trabajo previo.