Resumen

El modelo de aprendizaje de gradiente ha suscitado una gran atención debido a sus prometedoras perspectivas de aplicación en estadística, reducción de la dimensionalidad de los datos y otros campos específicos. En este trabajo, planteamos un nuevo modelo de aprendizaje de gradiente para la medición de la similitud de ontologías y el mapeo de ontologías en un entorno de multidivisión. El error muestral en este entorno viene dado por la virtud del espacio de hipótesis y el truco del operador de división de ontologías. Finalmente, dos experimentos presentados en el campo de la robótica vegetal y humanoide verifican la eficiencia del nuevo modelo de cálculo para la medida de la similitud de ontologías y las aplicaciones de mapeo de ontologías en un entorno multidividido.

• Materias:Algoritmos (Matemáticas) Ingeniería del transporte Neurociencias Seguridad del transporte Ingeniería ferroviaria
• Subjects:Agorithms (Math) Transport engineering Neurosciences Transport safety Railway engineering
• Palabras claves:modelo de aprendizaje por gradiente, campo de la robótica humanoide, aplicación de mapeo de ontología, medición de similitud de ontología, operador de división de ontología, trucos de ontología, configuración, nuevo modelo de cálculo, medidas de similitud de ontología, campo específico
• Keywords:gradient learning model, humanoid robotics field, ontology mapping application, ontology similarity measuring, ontology dividing operator, tricks of ontology, setting, new computation model, ontology similarity measures, specific field