Se considera que el modelo es supervisado cuando este se obtiene de comparar una variable medida o inferida de un sistema con la salida del modelo que se pretende obtener, tal comparación constituye la base para adaptar los parámetros que definirán la función (modelo) dependiente de las variables de entrada de dicho sistema.

 

Los pasos fundamentales para obtener un modelo supervisado se describen a continuación

 

[Paso 1] Definir la estructura del modelo y las condiciones iniciales, ello incluye

[Paso 2] Obtener los datos de entrada-salida ( x1, x2, . . .,xn; y )

Debe considerarse como definir las matrices de entrada-salida en Matlab

[Paso 3] Aplicar el núcleo estimador

[Paso 4] Adaptar los parámetros

 

[Paso 5] Ajustar los parámetros dependientes del mecanismo de adaptación paramétrica (si se requiere)

 

[Paso 6] Determinar la condición de finalización en la obtención del modelo en su conjunto, si este no se cumple, repetir a partir del [Paso 2]

[Paso 7] Aplicar el criterio para validación del modelo. Si los resultados no son los deseados, repetir a partir del [Paso 1]

 

Existen otros elementos a considerar a la hora de evaluar la calidad de un modelo (respuesta ante perturbaciones, confiabilidad, etc.). Un ejemplo del tratamiento de estas consideraciones sobre el modelo de un servomotor los puede consultar aquí.

 

Referencia:

 

Mitchell, T.: "Machine Learning". McGraw Hill. 1997.