Hace 6 años | Por guiller a innovaspain.com
Publicado hace 6 años por guiller a innovaspain.com

Mapas autoorganizados basados en redes neuronales para predecir casos de corrupción en diferentes horizontes de pronóstico sirven como herramienta para luchar contra la corrupción, un mal endémico de nuestro país en los últimos años.

Comentarios

rogerius

#1 O domesticarla.

Comunicado del PPartido FFuturo: En la web de nuestro ppartido la red neuronal anticorrupción ha construido gráficos que muestran y demuestran que no hay ni habrá corrupción que se nos pueda achacar a nosotros… otros… otros…

Barquero_

"Los pañales y los políticos deben ser cambiados frecuentemente, por el mismo motivo."
Lo que hay cambiar es la educación, mientras exista el sentimiento de impunidad y salirse con la suya la cleptocracia no cambiará.

Zeratul

Chorradas, lo que tiene que cambiar es la sociedad en si misma, la clase política solo es un reflejo de la sociedad. De nada sirve predecir que hay corrupción de forma generalizada si es algo que la gente ya presupone y a nadie parece importarle.

D

El señor Rajoy no tiene nada de qué preocuparse, la Moncloa es una zona libre de neuronas.

D

Yo preferiría mejor las redes de los gladiadores, mucho más efectivas a mi entender...

anor

El problema n8 es descubrir la corrupción sino castigarlla.

D

Y si las juntamos con grafeno acabamos con toda la corrupción en el mundo y lo convertimos en un paraiso.

D

#11 Pues posiblemente malo porque posiblemente todo el aparato judicial está politizado, intervenido, capturado y manipulado, por lo tanto también es malo.

D

Hombre, no hace falta trasplantar redes neuronales en los cerebros de los que votan a corruptos para que dejen de votar a corruptos. Basta con enseñarles a votar: si ha sido condenado por la justicia es MALO. Si no ha sido condenado por la justicia es BUENO.

Pakipallá

#4 Ese planteamiento ¿cómo deja a un tal M.Rajoy? ¿es bueno? ¿es malo? ¿es un jeta?

trylks

#4 Si ha sido condenado es un pringao y un cabeza de turco, si no ha sido condenado es alguien que se considera impune y que, si no se ha comprobado ya, el día de mañana podremos comprobar si realmente lo es, o si pertenece al primer grupo.

D

Para una cosa en la que destacamos y ya quieren jodernosla

D

Si los mandatos durarán un máximo de dos legislaturas por persona no pasarían muchos casos. La ley electoral debería incidir en el máximo de dos mandatos como máximo por candidato.

D

¿ Mal endémico ? Lo que hay que oír, el problema es la educación, la corrupción no es más que un efecto. En todo caso admitiría la impunidad como problema.

trylks

A priori, las redes neuronales son famosas por aprender un conocimiento muy sesgado salvo que los datos con los que se entrenen sean de calidad, y sospecho que no serán de calidad porque la corrupción que queda oficialmente reflejada como corrupción no es más que la punta del iceberg, si llega.

Pero esto no son más que especulaciones hasta que el artículo esté disponible para poder echarle un ojo (si es que eso ocurre alguna vez):

https://scholar.google.es/scholar?cluster=4379719724930527615&hl=en&as_sdt=0,5

D

#17 https://link.springer.com/article/10.1007/s11205-017-1802-2

Mirando el paper por encima lo que hacen es usar una versión supervisada de SOM. Por lo que he entendido primero entrenan tres SOM de la manera usual, luego le meten un modelo probabilístico encima y finalmente combinan los tres en otro SOM (no lo he pillado muy bien). Los SOM tienen un tamaño de hasta 12x12, así que en total estamos hablando de unas 500 unidades, lo que es nada. El dataset que usan es del Mundo, así que no creo sea muy grande y probablemente esta sea la causa de usar sólo 500 unidades. Finalmente comparan contra un baseline con un MLP normal (cuyos parámetros no he encontrado) y una red RBF, consiguiendo alrededor de 0.84 con 3 años en test.

Siendo inexperto con SOM y tal, la idea no está mal y la accuracy que consiguen parece prometedora, pero me pregunto cuánto deben conseguir otros trabajos sobre el tema usando métodos más modernos. La comparativa me parece bastante pobre y además no pone los parametros del baseline, lo que me parece trampa y de las gordas.

En lo que se refiere a sesgo, tienes toda la razón, pero yo entiendo que se trata de casos como por ejemplo un detector de caras que no reconoce gente de color porque no habían en el dataset. En este caso no creo que sea aplicable.

trylks

#18 no tengo la base para entender todos esos acrónimos, estoy retomando redes neuronales ahora (con deeplearning.ai, paso a paso) después de estar muchos años en IA pero fuera de aprendizaje automático. El artículo no puedo verlo en el enlace que mencionas, tengo que pagar 42€ porque soy un vendido a la industria por lo menos hasta que los bancos me dejen pagar la hipoteca con citas, después estaría genial volver al mundo académico, pero habría que ver si puedo o incluso si puedo hacer cualquier cosa o no sigo vivo.

De todas formas, agradezco que hayas escrito eso porque creo que algún día podré entenderlo y porque tu rato te ha llevado y lo has hecho de forma netamente altruista, y el altruismo hay que agradecerlo siempre.

Feliz año.

D

Yo no creo que el problema esté en localizar la corrupción, rezuma sin vergüenza por todas partes.
El problema está en combatirla. Y eso depende sobre todo de los votantes, pero la gente no está por la labor. Prefieren corrupción.

R

#14 Si cuando pillaran a un corrupto, dejase de ser ministro... en lugar de esperar a ver si después de robar años y años dimita... lo mismo verían que no vale la pena. Y sí cuando se demostrase que un partido de financia de forma irregular, de forma continuada el Presidente tenga que forzar elecciones...

D

#19 Si busco un poco seguro que puedo encontrar comentarios míos de hace casi 10 años explicando eso.
Pero para eso lo que hace falta es que a los corruptos y partidos no les salga a cuenta la corrupción.
En otros países que un partido político tolere la más mínima corrupción tiene consecuencias negativas abrumadoras e inmediatas en la intención de voto.
Y eso en España no pasa por que la gente no vota consecuentemente.