En este trabajo se propone la utilización de Mapas Auto-Organizados para llevar a cabo la tarea de clasificación de superficies y estimación de adherencia. Este tipo de redes neuronales se caracteriza por emplear el paradigma del Aprendizaje No Supervisado, logrando un aprendizaje autónomo de las características de los datos que le permitan elaborar la separación de los datos. La información de partida sobre la cual se desarrolla este trabajo es la vibración producida por la rodadura del neumático en distintas superficies. El análisis previo de los datos permite la extracción de características estadísticas sobre las que el SOM zealizará su trabajo. Éstos mapas agrupan conjuntos similares de datos en zonas próximas y además generan una reducción dimensional del problema al mostrarse sobre un plano bidimensional. Este hecho, facilita el análisis de problemas con numerosas variables de entrada al poder trabajarse de manera visual y sencilla. Además, permite la validación de los datos para su uso directo o para ser empleados en otros sistemas en etapas posteriores, así como la inferencia de nueva información.
Buscar en Dimension