Correccion de la muestra para el aprendizaje del perceptron multicapa
Fuente:
Redalyc
Gespeichert in:
| 1. Verfasser: | |
|---|---|
| Format: | Artículo científico |
| Sprache: | es |
| Veröffentlicht: |
Asociación Española para la Inteligencia Artificial
2001
|
| Schlagworte: | |
| Online-Zugang: | |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| _version_ | 1876475740775514112 |
|---|---|
| author | Ricardo Barandela |
| author_facet | Ricardo Barandela |
| contents | Correccion de la muestra para el aprendizaje del perceptron multicapa Ricardo Barandela Eduardo Gasca Roberto Alejo Ingeniería Regla NN Patrones Atípicos Perceptron Multicapa Aprendizaje supervisado Identificaciones incorrectas Es muy popular, en la actualidad, el empleo de las redes neuronales artificiales, en particular elPerceptron Multicapa (PM), para tareas de reconocimiento de patrones, minería de datos y aprendizajeautomático. No obstante, aún se conoce poco de estos modelos, lo que se traduce en debilidades talescomo lentitud en el proceso de aprendizaje y pobre capacidad de generalización.En el presente trabajo se muestra (con datos artificiales y reales) la conveniencia de procesar la muestrade entrenamiento con técnicas tomadas del contexto de la regla NN (Nearest Neighbor rule), para acelerarel entrenamiento e incrementar la precisión del PM. Se ejemplifica, además, como el rendimiento del PMse afecta de manera notable en situaciones imperfectamente supervisadas (o sea, cuando se tienen erroresde identificación en algunos patrones de entrenamiento) que suelen ocurrir en la práctica, y como estadeficiencia se puede eliminar si se emplea la metodología de Depuración, que ya ha evidenciado susbeneficios cuando se clasifica con la regla NN. 2001 artículo científico 1137-3601 https://www.redalyc.org/articulo.oa?id=92521301 es http://www.redalyc.org/revista.oa?id=925 Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial application/pdf Asociación Española para la Inteligencia Artificial Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial (España) Num.13 Vol.5 |
| format | Artículo científico |
| id | redalyc_92521301 |
| institution | Redalyc |
| language | es |
| publishDate | 2001 |
| publisher | Asociación Española para la Inteligencia Artificial |
| spellingShingle | Correccion de la muestra para el aprendizaje del perceptron multicapa Ricardo Barandela Ingeniería Regla NN Patrones Atípicos Perceptron Multicapa Aprendizaje supervisado Identificaciones incorrectas Correccion de la muestra para el aprendizaje del perceptron multicapa Ricardo Barandela Eduardo Gasca Roberto Alejo Ingeniería Regla NN Patrones Atípicos Perceptron Multicapa Aprendizaje supervisado Identificaciones incorrectas Es muy popular, en la actualidad, el empleo de las redes neuronales artificiales, en particular elPerceptron Multicapa (PM), para tareas de reconocimiento de patrones, minería de datos y aprendizajeautomático. No obstante, aún se conoce poco de estos modelos, lo que se traduce en debilidades talescomo lentitud en el proceso de aprendizaje y pobre capacidad de generalización.En el presente trabajo se muestra (con datos artificiales y reales) la conveniencia de procesar la muestrade entrenamiento con técnicas tomadas del contexto de la regla NN (Nearest Neighbor rule), para acelerarel entrenamiento e incrementar la precisión del PM. Se ejemplifica, además, como el rendimiento del PMse afecta de manera notable en situaciones imperfectamente supervisadas (o sea, cuando se tienen erroresde identificación en algunos patrones de entrenamiento) que suelen ocurrir en la práctica, y como estadeficiencia se puede eliminar si se emplea la metodología de Depuración, que ya ha evidenciado susbeneficios cuando se clasifica con la regla NN. 2001 artículo científico 1137-3601 https://www.redalyc.org/articulo.oa?id=92521301 es http://www.redalyc.org/revista.oa?id=925 Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial application/pdf Asociación Española para la Inteligencia Artificial Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial (España) Num.13 Vol.5 |
| title | Correccion de la muestra para el aprendizaje del perceptron multicapa |
| topic | Ingeniería Regla NN Patrones Atípicos Perceptron Multicapa Aprendizaje supervisado Identificaciones incorrectas |
| url | https://www.redalyc.org/articulo.oa?id=92521301 |