Este trabajo trata de dar una visión general sobre la técnica de reservoir computing, una técnica
de machine learning o máquinas de aprendizaje con la cual el sistema aprende a resolver ciertas
tareas a base de ejemplos. En particular hemos utilizado como máquina de aprendizaje un sistema
dinámico no lineal acoplado con retraso, partiendo de trabajos de investigación recientes
[1], [2], [3]. Parte del trabajo ha consistido en adaptar un programa desarrollado en MATLAB
por el Dr. Miguel Cornelles Soriano a ciertas tareas, así como comparar los resultados obtenidos
empleando regresiones lineales y logísticas en tareas de clasificación.
Tras una breve introducción se explicará el funcionamiento de la máquina de aprendizaje utilizada.
El resto del trabajo consiste en poner dicha máquina a prueba mediante la evaluación de
tareas sencillas: memoria, predicción de una serie temporal, clasificación bidimensional binaria
y múltiple y clasificación binaria de electrocardiogramas. En todos los casos se explora el rango
de parámetros que permiten realizar correctamente cada una de dichas tareas.
Mi contribución al programa original desarrollado por el Dr. Cornelles incluye la incorporación de
modelos lineales generalizados y clasificación múltiple, así como la definición de tareas sencillas
que permiten evaluar la diferencia entre distintos modelos de regresión para el aprendizaje.