Modelo de Regresion : Kernel Cuadrados Minimos Parciales

El mtodo Kernel Cuadrados Mnimos parciales (KPLS) es una versin no lineal del mtodo lineal Cuadrados Mnimos Parciales (PLS), es una alternativa sencilla para el modelado de regresin no lineal, que no involucra la resolucin de problemas de optimizacin. En este libro se desarrolla la formulacin de los mtodos KPLS analizando primeramente la versin de Rosipal y Trejo la cual consiste en el desarrollo tradicional del PLS donde la matriz de entrada es el producto de la transformacin en el espacio caracterstico. En segundo lugar se presenta el mtodo Directo KPLS bajo la versin de Bennett y Embrechts basada en la formulacin del PLS donde la matriz de entrada es la matriz Grammiana que es obtenida evaluando con la data experimental al Kernel Reproductor que define la transformacin no lineal, y en tercer lugar se desarrolla un nuevo mtodo Directo KPLS bajo la tcnica de la descomposicin de valores singulares como una extensin al modelo PLS. El desarrollo matemtico de estos mtodos ponen en evidencia la eficiencia de los mismos para el modelado de problemas de regresin no lineal en las diferentes aplicaciones del rea de la ingeniera, fsica, economa, entre otras.