Aplicación de los modelos asociativos alfa-beta a la bioinformática

Abstract

En este trabajo de tesis se desarrolla un algoritmo para clasificación de patrones que funciona de manera notable con bases de datos de Bioinformática. El modelo de memorias asociativas sobre el que está basado dicho algoritmo es el Alfa-Beta. Para poder alcanzar un buen porcentaje de clasificación, fue necesario desarrollar un nuevo algoritmo de Memorias Heteroasociativas que permitiera recuperar el conjunto fundamental completo, propiedad que por sí sola representaría una aportación significativa. Otra de las aportaciones hechas es la multimemoria heteroasociativa Alfa-Beta, la cual es la base del algoritmo de clasificación presentado en esta tesis. Además, se desarrolló el correspondiente sustento matemático, el cual nos permite conocer el comportamiento del nuevo modelo propuesto y así poder predecir fallas y aciertos de nuestro sistema, aun antes de crearlo. Para verificar la eficacia tanto del nuevo algoritmo de Memorias Heteroasociativas como del clasificador de patrones, se desarrolló un software que nos permite realizar evaluaciones del algoritmo al aplicar técnicas de validación con patrones pertenecientes a bases de datos de Bioinformática. Con el desarrollo de este trabajo de tesis se muestra la importancia que hasta ahora han adquirido las Memorias Asociativas en las áreas de aprendizaje y recuperación de patrones, debido a su capacidad para representar el conocimiento de manera compacta.// In this thesis we develop a pattern classifier algorithm that Works notably with bioinformatics data-bases. The associative memories model in which the classifier is based on is the Alfa-Beta associative memories. In order to achieve a good classification average it was necessary to develop a new heteroassociative memory algorithm that let us recall completely the fundamental set. Property that would be a significative contribution by itself. In addition, a heteroassociative multimemory Alfa-Beta is created, as a fundamental base for the proposed classifier. Moreover, the corresponding mathematical foundation let us known the behavior of the new proposed model and that way to predict fails on a system before create it. The efficiency of the new heteroassociative memories algorithm and the good response of the new pattern classifier are verified by software. This software let us asses the algorithm applying validation techniques to instances of the bioinformatics data base. This thesis show the importance that the associative memories have achieved this days in the learning and recalling patterns due to their ability to represent the knowledge in compact way.