Diseño y Desarrollo de una Red Neuronal de Base Radial Híbrida para la Clasificación de los Clientes de una Pyme: un Caso de Estudio

Abstract

El objetivo del presente trabajo fue desarrollar una red neuronal de función radial híbrida. Se utilizaron los algoritmos K-medias y Backpropagation. Se clasificaron los principales clientes de una PYME en un plano bidimensional. El caso de estudio se centra en una mediana empresa dedicada a la comercialización de bebidas y alimentos en el interior del negocio y con entregas a domicilio, con operaciones en la ciudad de Uriangato al sur de Guanajuato. La metodología consiste en 7 etapas: 1) Obtención de coordenadas geográficas de los clientes por medio de Google Maps, 2) Preprocesamiento de datos, 3) Calculo de distancias euclidianas, 4) Clasificación con algoritmo K-Medias, 5) Entrenamiento de la red por medio del algoritmo Backpropagation, 6) Validación de la red, 7) Prueba de la red. La arquitectura de la red fue 2-3-1. Se utiliza el 70% de los datos para entrenar a la red, el 20% de los datos para validarla y el 10% para probar su funcionamiento. Como resultado se obtiene un aprendizaje de la red al 100%, una validación del 90% y una prueba de 100%. La red neuronal de función radial facilita una clasificación automatizada por zonas geográficas de los principales clientes y ofrece a la empresa en estudio ventajas en la implementación de estrategias dirigidas a la optimización de rutas que reducen considerablemente los tiempos y los costos de entrega.