Desarrollo de una red neuronal

Desarrollo de redes neuronales artificiales aplicadas para clasificar el riesgo de dolencias bajas de la espalda (LBDs) presentado por ciertos trabajos de elevacin. El proceso de desarrollo de redes neuronales para problemas de clasificacin y la influencia de la arquitectura de red en sus capacidades de prediccin y generalizacin. El fenmeno de desbordamiento y su relacin con el nmero de conexiones de red y el tamao del conjunto de datos.

Modelo matemtico ANN

Modelos matemticos permiten predecir la aparicin de LBDs a partir de estudios epidemiolgicos

La precisin y la cantidad de datos obtenidos en el trabajo de campo son indispensables para el buen funcionamiento de un modelo matemtico

Modelo matemtico ANN representa un sistema adaptativo distribuido construido por medio de mltiples elementos de procesamiento de interconexin

Arquitectura de una red neuronal

Cuntas capas de neuronas contiene Nmero de neuronas por capa La funcin de activacin de la neurona La regla de aprendizaje que se utilizarn Los pesos sinpticos iniciales Otros parmetros que condicionarn en gran medida la validez del modelo

Desbordamiento de una red neuronal

El modelo memoriza las respuestas correctas para cada patrn en lugar de las relaciones entre las entradas y salidas de aprendizaje. Cuando esto sucede, el modelo produce resultados muy precisos con los datos empleados para entrenar a la red, pero no es capaz de generalizar nuevos casos.

Low back disorders o LBD

El objetivo del estudio es relacionar los movimientos de tronco y otros aspectos del lugar de trabajo en tareas repetitivas con el riesgo de sufrir LBDs. El estudio incluy a 403 empleos industriales de elevacin que fueron clasificados en tres grupos: bajo riesgo (124 casos), riesgo intermedio (168 casos) y alto riesgo (111 casos), lo que se busca es analizar el riesgo de sufrir LBDs en el lugar de trabajo en el cual se encuentra el trabajador. El modelo se ha realizado con el fin de una reevaluacin del puesto de trabajo actual en caso de que se obtenga una lesin.

Low back disorders o LBD

Este trabajo utiliza redes de arquitectura complejas y detencin temprana de procedimientos de entrenamiento para evitar el desbordamiento de estas redes. As se compara con los estudios anteriores y se evalan sus resultados y ventajas sobre ellos. Tal comparacin muestra que este nuevo trabajo permite el desarrollo de redes neuronales para la clasificacin de empleos industriales segn su riesgo de provocar LBDs de una manera ms rpida que los anteriores. La red neuronal obtenida en este trabajo es capaz de clasificar correctamente 81,6% de los empleos industriales con un alto nivel de repeticin en sus actividades de elevacin clasificndolos como de bajo o alto riesgo para LBDs. La red neuronal obtenida se ha implementado en una aplicacin de software que se centra en el anlisis de riesgos y la prevencin de los daos causados por las tareas de elevacin manual en el entorno industrial.

Low back disorders o LBD

La importancia dentro de la industria del trabajo descrito en este documento es que permite que las redes neuronales puedan servir para la prediccin de trastornos musculo esquelticos en una forma ms rpida y ms fcil que con los procedimientos anteriormente estudiados. Tambin puede ser aplicado a la prediccin de los riesgos en otras reas de la ergonoma. El mejor red encontrada ha sido implementado en una aplicacin web que puede accederse libremente por aquellos lectores que estn interesados (http://www.ergonautas.com/herramientas/rnergo/rnergo.php). Introducir los valores de las cinco variables del modelo que corresponde a la tarea de clasificar, la clasificacin de riesgo de trabajo se obtiene como salida.