La dinámica de los principales mercados en los que el sistema financiero participa (e.g. crédito, depósitos y administración de fondos, entre otros) se encuentra estrechamente vinculada al comportamiento del sector de hogares, dado su papel preponderante en cada uno de estos. Teniendo en cuenta lo anterior y la ocurrencia de episodios de alto crecimiento en el crédito dirigido a este segmento de la economía, se introduce este Informe de periodicidad anual que ofrece un análisis de la evolución de los principales rubros del balance financiero de los hogares de manera regular y ofrece una valoración de sus potenciales implicaciones sobre el sistema financiero. Este Informe emplea la información de Cuentas Financieras Nacionales discriminando por sector institucional que se generan del trabajo conjunto adelantando desde 2016 entre el DANE y el Banco de la República, junto al apoyo de la Cooperación Económica de la Secretaría de Estado para Asuntos Económicos (SECO), financiado por el Gobierno de Suiza y el apoyo técnico del Fondo Monetario Internacional (FMI). En particular, esta fuente de informaci´on tiene frecuencia anual entre 2005 y 2016 y a partir de esa fecha se presenta de manera trimestral.

This research examines two problems in the optimization in the neural networks used for most real applications: first, architectural design that involves determining the number of layers and neurons by layer, and second, the activation functions that will be should use in each of these layers. For it is developed a software tool based on genetic algorithms to find these parameters of a neural network. The developed tool allows the user to choose the algorithm used for training and also apply techniques to achieve better generalization such as the early stopping, the repetition of training and adjusting the training data to the activation functions used. Finally, the developed tool is tested into a specialized group of users who use the tool to find an optimal neural network architecture to solve a problem of identity verification through the facial image using artificial neural networks.

No abstract