Cartografías semánticas mediante redes neuronales: los mapas auto-organizados (SOM) como representación de patrones y campos

  1. Francisco Javier Abarca-Alvarez 1
  2. Fernando Osuna Pérez
  1. 1 Universidad de Granada
    info

    Universidad de Granada

    Granada, España

    ROR https://ror.org/04njjy449

Revista:
EGA: revista de expresión gráfica arquitectónica

ISSN: 1133-6137

Año de publicación: 2013

Título del ejemplar: Conversando con… JUAN NAVARRO BALDEWEG 1

Número: 22

Páginas: 154-163

Tipo: Artículo

DOI: 10.4995/EGA.2013.1692 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: EGA: revista de expresión gráfica arquitectónica

Resumen

Las ciencias de la Inteligencia Artificial proporcionan técnicas para la comprensión y caracterización de las coherencias y de los patrones que constituyen la realidad. Entre ellas destacan las redes neuronales artificiales y concretamente los Mapas Auto-organizados (SOM) por su capacidad de cartografiar la realidad, representando sus objetivos distribuidos estructurados bidimensionalmente, a partir únicamente de sus propiedades. Se generan así toda una serie de relaciones topológicas que permiten a su vez la agrupación y caracterización de la realidad. En la investigación se exploran estas representaciones como método válido de obtención de información e interpretación de la realidad. Como experimentación se implementan tales técnicas para la comprensión de diversos tejidos residenciales ejemplares, obteniéndose un agrupamiento tipológico que permite caracterizar las formas urbanas a partir de sus variables definidoras.

Referencias bibliográficas

  • ALLEN, S., 2009. From object to field: Field conditions in architecture and urbanism. En: S. Allen, ed., 2009. Practice: Architecture, tecnique + representation, Nueva York: Routledge, p. 150.
  • AUGÉ, M., 2000. Los no lugares. Espacios del anonimato. Una antropología de la sobremodernidad (5ª ed.). Barcelona: Gedisa, p. 51. [Nonlieux. Introduction à une anthropologie de la surmodenitè. Seuil: Edition de Seuil. 1992].
  • DUPUY, G., 1991. L’Urbanisme des Réseaux. Théories et methods. Paris: Armand Colin.
  • JACOBS, J., 1961. The death and life of great American cities. Nueva York: Random House.
  • GOLDENFELD, N. y KADANOFF L. P., 1999. Simple lessons from complexity. Science, 284(5411), pp. 87–89. http://dx.doi.org/10.1126/science.284.5411.87
  • PRECEDO LEDO, A., 2004. Nuevas realidades territoriales para el siglo XXI: desarrollo local, identidad territorial y ciudad difusa, Volumen 10. Madrid: Síntesis.
  • ALEXANDER, C., 1971. El medio ambiente. En: C. Alexander, ed. 1971. La estructura del medio ambiente. Barcelona: Tusquets. p. 95.
  • KOHONEN, T., 1989. Self-organizing semantic maps. Biological cybernetics 61(4), pp. 241–254. http://dx.doi.org/10.1007/BF00203171
  • CHERKASSKY, V. S. y FRIEDMAN J. H., 1994. From Statics to Neural Networks: Theory and Pattern Recognition Appications. Berlin: Springer.
  • PITARQUE, A., ROY J. F. y RUIZ J. C., 1998. Redes neuronales vs modelos estadísticos: Simulaciones sobre tareas de predicción y clasificación. Psicológica 19, pp. 387–400.
  • WEISS, S. M. y INDURKHYA, N., 1998. Predictive Data Mining: A Practical Guide. San Francisco: Morgan Kaufmann.
  • WHITE, R. y ENGELEN G., 1993. Cellular-automata and fractal urban form a cellular modeling approach to the evolution of urban land use patterns. Environment and Planning A, 25(8), pp. 1175–1199. http://dx.doi.org/10.1068/a251175
  • IRWIN, E. G. y GEOGHEGAN, J., 2001. Theory, data, methods: Developing spatially explicit economic models of land use change. Agriculture Ecosystems and Environment, 85(1-3), pp. 7–23. http://dx.doi.org/10.1016/S0167-8809(01)00200-6
  • OPENSHAW, S. y ABRAHART, R. J., 2000. Geocomputation. Londres y Nueva York: Taylor and Francis.
  • WU, F., 1998. An experiment on the generic polycentricity of urban growth in a cellular automatic city. Environment and Planning B Planning and Design 25(5), pp. 731–752. http://dx.doi.org/10.1068/b250731
  • DIAPPI, L., BOLCHIM, P. y BUSCEMA, M., 2004. Improved Understanding of Urban Sprawl Using Neural Networks. Dordrecht: Springer.
  • HAGEN ZANKER, A. y TIMMERMANS, H. J. P., 2009. A metric of compactness of urban change illustrated to 22 european countries. En: Hagen Zanker, A. y Timmermans, H. J. P. eds, 2009. European Information Society: Taking Geoinformation Science One Step further, 181–200.
  • Abarca-Alvarez, F. J. y Fernández Avidad, A., 2010. Generation of Downtown Planning-Ordinances using Self Organizing Maps. En: Design & Decision Support Systems 2010 International Conference. Eindhoven: Tue Eindhoven.
  • ABARCA-ALVAREZ, F. J. 2011. Identificación de patrones para la ordenación urbanística mediante redes neuronales. Hacia la Ordenanza-Red. Serie Geográfica. 17, pp. 45-60. Disponible en http://hdl.handle.net/10481/18495.
  • BERGHAUSER PONT, M. y HAUPT, P., 2010. Spacematrix: Space, Density and Urban Form. Rotterdam: Nai Publishers.
Fuente de los datos: Dialnet