Redes neuronales en clasificación
- Sánchez Pastor, María Sagrario
- Luis Antonio Sarabia Peinador Directeur/trice
Université de défendre: Universidad de Valladolid
Année de défendre: 1997
- Miguel Martín Díaz President
- Santiago Pérez-Cacho García Secrétaire
- Jesús María Sanz Serna Rapporteur
- Roberto Todeschini Rapporteur
- Juan López Coronado Rapporteur
Type: Thèses
Résumé
EL CALCULO NEURONAL ES UNA ALTERNATIVA PARA PROBLEMAS DE CLASIFICACION MULTIVARIANTE SI NO SE DESEA RECURRIR A MODELOS DE TIPO PROBABILISTICO Y/O FUNCIONAL BASADOS EN INFORMACION APRIORISTICA SOBRE LOS DATOS, EN ESTE TIPO DE PROBLEMAS, UNA RED HA DE SER ENTRENADA PARA MINIMIZAR FRECUENCIAS (FUNCION RESPUESTA DISCRETA) Y NO ES ADECUADA LA REGLA DE PROPAGACION HACIA ATRAS PARA VINCULAR LAS MODIFICACIONES DE LOS PESOS DE LA RED A LAS MODIFICACIONES DE LAS FRECUENCIAS DE ERROR EN CLASIFICACION OBTENIDAS AL PROGRESAR EL APRENDIZAJE. DADA UNA RED MULTINIVEL SIEMPRE HACIA ADELANTE (MLF), SE PROPONE UN MECANISMO DE APRENDIZAJE BASADO EN LA EVOLUCION ESTOCASTICA DE LOS PESOS, COMO ALTERNATIVA AL METODO MAS USADO BASADO EN EL GRADIENTE DESCENDENTE PARA PROPAGAR LOS ERRORES HACIA ATRAS (BACKPROPAGATION). LA RED CON APRENDIZAJE ESTOCASTICO SE EVALUA CON PROBLEMAS-TIPO COMPLEJOS DE CLASIFICACION, TANTO REALES COMO SIMULADOS, INCIDIENDO ESPECIALMENTE EN SU COMPORTAMIENTO COMO TEST DE HIPOTESIS NO PARAMETRICO.