Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/20.500.12104/80924
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Arana Daniel, Nancy Guadalupe | |
dc.contributor.advisor | López Franco, Carlos Alberto | |
dc.contributor.author | Gallegos Muro, Alberto Alejandro | |
dc.date.accessioned | 2020-06-06T22:03:36Z | - |
dc.date.available | 2020-06-06T22:03:36Z | - |
dc.date.issued | 1969-12-31 | |
dc.identifier.uri | https://hdl.handle.net/20.500.12104/80924 | - |
dc.identifier.uri | https://wdg.biblio.udg.mx | |
dc.description.abstract | Con el incremento en el poder computacional, la cantidad de datos a ser procesados en pequeños periodos de tiempo ha crecido exponencialmente, esto junto con la importancia de clasificar datos a gran escala de manera eficiente. Las máquinas de vector soporte han generado buenos resultados al clasificar grandes cantidades de datos con alta dimensionalidad, tal como los datos generados por predicción de estructuras de proteínas, reconocimiento de correo basura, diagnosis médico, reconocimiento óptico de caracteres, clasificación de texto, etc. La mayoría de los enfoques del estado del arte para aprendizaje a gran escala usan métodos de optimización tradicionales, como programación cuadrática y gradiente descendente, lo que hace que el uso de algoritmos evolutivos para entrenar máquinas de vector soporte para clasificación a gran escala un área a ser explorada. La presente tesis propone un enfoque que resulta fácil de implementar, paralelizable y con una complejidad computacional lineal, basado en algoritmos evolutivos y Kernel-Adatron para resolver problemas de clasificación a gran escala. | |
dc.description.tableofcontents | 1. Introducción 1.1. Antecedentes de Aprendizaje Automático 1.2. Antecedentes de Optimización 1.3. Planteamiento del Problema 1.4. Hipótesis 1.5. Objetivos 1.6. Metodología 2. Máquinas de Vector Soporte 2.1. Antecedentes 2.2. Descripción de Máquinas de Vector Soporte 2.3. Kernel Adatron 2.4. Máquinas de Vector Soporte para Entrenamiento a Gran Escala 3. Algoritmos Evolutivos 3.1. Antecedentes 3.2. Evolución Diferencial 3.3. Optimización por Enjambre de Partículas 3.4. Colonia Artificial de Abejas 3.5. µColonia Artificial de Abejas 4. Máquinas de Vector Soporte Entrenadas con Algoritmos Evolutivos Empleando Kernel Adatrón para Clasificación a Gran Escala 4.1. Kernel Adatrón Entrenado con Algoritmos Evolutivo 4.2. Conjuntos de Datos 4.2.1. Conjuntos de Dato para Clasificación a Gran Escala 4.2.2. Predicción de Estructura de Partículas 4.2.3. Señales Mioeléctricas 4.3. Resultados A. Código Fuente A.0.1. Kernel Adatrón A.0.2. Optimización por Enjambre de Partícula A.0.3. Evolución Diferencial A.0.4. Colonia Artificial de Abejas A.0.5. µColonia Artificial de Abejas B. Conclusiones C. Trabajo Futuro D. Lista de publicaciones Bibliografía | |
dc.format | application/PDF | |
dc.language.iso | spa | |
dc.publisher | Biblioteca Digital wdg.biblio | |
dc.publisher | Universidad de Guadalajara | |
dc.rights.uri | https://www.riudg.udg.mx/info/politicas.jsp | |
dc.subject | Maquinas De Vector | |
dc.subject | Algoritmos Evolutivos | |
dc.subject | Kernel Adatron | |
dc.subject | Clasificacion | |
dc.title | Máquinas de Vector Soporte Entrenadas con Algoritmos Evolutivos Empleando Kernel Adatron para Clasificación a Gran Escala. | |
dc.type | Tesis de Doctorado | |
dc.rights.holder | Universidad de Guadalajara | |
dc.rights.holder | Gallegos Muro, Alberto Alejandro | |
dc.coverage | GUADALAJARA, JALISCO | |
dc.type.conacyt | DoctoralThesis | - |
dc.degree.name | DOCTORADO EN CIENCIAS DE LA ELECTRONICA Y LA COMPUTACION CON ORIENTACIONES | - |
dc.degree.department | CUCEI | - |
dc.degree.grantor | Universidad de Guadalajara | - |
dc.rights.access | openAccess | - |
dc.degree.creator | DOCTOR EN CIENCIAS DE LA ELECTRONICA Y LA COMPUTACION CON ORIENTACIONES | - |
Aparece en las colecciones: | CUCEI |
Ficheros en este ítem:
Fichero | Tamaño | Formato | |
---|---|---|---|
DCUCEI10001.pdf Acceso Restringido | 305.24 kB | Adobe PDF | Visualizar/Abrir Request a copy |
Los ítems de RIUdeG están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.