Las redes neuronales artificiales son un paradigma de la inteligencia artificial ampliamente utilizado, con aplicaciones que van desde la predicción meteorológica, el procesamiento de imágenes y el análisis de series temporales hasta la ciencia y la tecnología de los materiales, la tecnología del hormigón y la metalurgia. En muchos de estos casos, la capacidad de generalización de la red se ve influida por el sesgo o la subjetividad en la división de los datos (una fase crítica de la aplicación de la metodología), que suele compensarse mediante el uso repetido o la validación cruzada. Además, muchas de las aplicaciones de las redes neuronales al hormigón, la soldadura y otras tecnologías similares están limitadas porque la mayoría de estas herramientas no proporcionan una estimación del error, lo que complica su uso en la vida real.
El presente proyecto pretende desarrollar un conjunto de herramientas para resolver estos problemas, limitando el sesgo y la subjetividad en la división de los datos, aprovechando al máximo los datos disponibles y proporcionando estimaciones de error de la predicción dada por la red.