Un nuevo modelo de aprendizaje para el estudio de secuencias de símbolos

Resumen

Esta tesis presenta un modelo novedoso para el estudio de la dinamica temporal de un sistema basado en las cadenas de Markov de orden variable, Este modelo recibe el nombre de Grafo sufijo de Predicción Multiatributo (MPSG). El enfoque principal de este modelo se basa en representar el estado del sistema por medio de la combinación de los valores de diferentes atributos o características del mismo. De esta forma, este modelo puede entenderse como una extensión de las cadenas de Markov de longitud variable a un sistema multiatributo. Debido a la representación utilizada, el modelo MPSG combina el análisis de la evolución temporal del sistema con el estudio de las relaciones causa/efecto entre los diferentes atributos del mismo. Por tanto, este modelo puede ser considerado también como una extensión de la dimensión temporal de los árboles de decisión. Basándonos en lo anterior, se puede afirmar que el modelo MPSG constituye una unificación de dos de los más importantes modelos existentes: las cadenas de Markov y los árboles de decisión. Respecto a la aplicabilidad práctica de modelo MPSG, considerando la expresividad del modelo de hipótesis elegido, es fácil constatar la existencia de numerosos problemas a los que puede ser aplicado. En esta tesis se muestran dos aplicaciones: Análisis morfológico del castellano y modelado y generación de música. En ambas aplicaciones, este modelo ha obtenido resultados similares o mejores que otros enfoques anteriores.