Diversidad en redes neuronales ensemble
Tipo de material:
TextoDetalles de publicación: Valparaíso : UTFSM , 2005Descripción: 63 pTema(s): REDES NEURONALES (ciencia de la computación) | INTELIGENCIA ARTIFICIAL | BC / MEM (memorias UTFSM con resúmenes)Clasificación CDD: M 006.3 Nota de disertación: Tesis (Magíster en Ciencias de la Informática ) -- ( Ing. Civil en Informática ) - - Prof. guía: Héctor Allende ; prof. correferente : Raul Monge y Enrique Canessa Tema: [Resumen del autor]Tema: El método para aprendizaje de Ensemble o comité de máquinas, es una técnica recientemente utilizada en el campo de las Máquinas de Aprendizaje y Análisis de Datos. La pregunta clave es cómo elegir el conjunto de predictores que conforman el ensemble, con el objetivo que los errores individuales se compensen y proporcionen una mejor predicción conjunta. Esta tesis presenta un nuevo método para entrenar ensembles de máquinas de aprendizaje en el contexto de regresión. En cada iteración un nuevo predictor es agregado para compensar el error cometido por el predictor anterior respecto de sus patrones de entrenamiento. El algoritmo opera directamente sobre los valores a ser predichos por la siguiente máquina, pero siempre retiene al ensemble orientado hacia los targets originales, y de esta forma, asegurar diversidad. Se expone una explicación teórica que clarifica lo que el algoritmo hace y se muestra su convergencia estocástica. Finalmente, se presentan resultados experimentales para comparar el desempeño del algoritmo con Bagging y Boosting en dos complicados conjuntos de datos.
| Tipo de ítem | Biblioteca actual | Colección | número de clasificación | Copia número | Estado | Fecha de vencimiento | Código de barras |
|---|---|---|---|---|---|---|---|
Memorias
|
Biblioteca Central | Memorias | M 006.3 V181 (Navegar estantería(Abre debajo)) | 1 | Disponible | 3560900107589 |
CONSULTE EN LINEA A TRAVES DE REPOSITORIO INSTITUCIONAL
Tesis (Magíster en Ciencias de la Informática ) -- ( Ing. Civil en Informática ) - - Prof. guía: Héctor Allende ; prof. correferente : Raul Monge y Enrique Canessa
h. 60-63
[Resumen del autor]
El método para aprendizaje de Ensemble o comité de máquinas, es una técnica recientemente utilizada en el campo de las Máquinas de Aprendizaje y Análisis de Datos. La pregunta clave es cómo elegir el conjunto de predictores que conforman el ensemble, con el objetivo que los errores individuales se compensen y proporcionen una mejor predicción conjunta. Esta tesis presenta un nuevo método para entrenar ensembles de máquinas de aprendizaje en el contexto de regresión. En cada iteración un nuevo predictor es agregado para compensar el error cometido por el predictor anterior respecto de sus patrones de entrenamiento. El algoritmo opera directamente sobre los valores a ser predichos por la siguiente máquina, pero siempre retiene al ensemble orientado hacia los targets originales, y de esta forma, asegurar diversidad. Se expone una explicación teórica que clarifica lo que el algoritmo hace y se muestra su convergencia estocástica. Finalmente, se presentan resultados experimentales para comparar el desempeño del algoritmo con Bagging y Boosting en dos complicados conjuntos de datos.
2