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.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Video:
Optimización de bioprocesos: del agitador al bioreactor
Artículo:
Síntesis, caracterización y propiedades acuosas de un terpolímero anfifílico con un nuevo surfímero no iónico
Artículo:
Imaginación motriz de los movimientos de las extremidades inferiores a distintas frecuencias
Artículo:
Asignación conjunta óptima de detección del espectro multislot y potencia de transferencia en radio cognitiva multicanal
Artículo:
Inmunosensor reutilizable basado en nanocompuestos de óxido de hierro recubiertos de Au funcionalizado para la detección de AFB1
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL