Se presenta un mtodo optimizado de clasificacin de redes neuronales basado en el aprendizaje holstico de kernel y divisin (KHLD). El mtodo propuesto se basa en el kernel aprendido de la funcin de base radial (RBF) como objeto de investigacin. El kernel aqu propuesto puede considerarse una regin subespacial que consiste en la misma categora de patrones en el espacio muestral de entrenamiento. Al ampliar la regin del espacio muestral de las instancias originales, la informacin relevante entre instancias puede obtenerse del subespacio, y el lmite de los clasificadores puede alejarse de las instancias originales; de este modo, se mejoran la robustez y el rendimiento de generalizacin del clasificador. En la implementacin concreta, se genera un nuevo vector de patrones dentro de cada ncleo RBF de acuerdo con el mtodo de optimizacin de instancias y cribado para caracterizar KHLD. Los experimentos con conjuntos de datos artificiales y varios conjuntos de datos de referencia de la UCI demuestran la eficacia de nuestro mtodo.
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.
Artículo:
Existencia de infinitas soluciones distintas a las ecuaciones de Hartree-Fock cuasirrelativistas.
Artículo:
Comportamiento caótico de Autómatas Celulares Unidimensionales Regla 24
Artículo:
Análisis matemático de un modelo de cólera con vacunación
Artículo:
Análisis de fiabilidad del sistema de válvulas de la cubeta de cierre del gasificador basado en el método DBN
Artículo:
Factorización matricial no negativa regulada por grafo incremental para reconocimiento facial.
Informe, reporte:
Diagnóstico sobre la logística del comercio internacional y su incidencia en la competitividad de las exportaciones de los países miembros
Infografía:
Sistemas de calidad. Six Sigma
Manual:
Química de los taninos
Artículo:
Influencia del COVID-19 en las dinámicas de exportación, producción y consumo de carne vacuna en Colombia y el mundo: Una revisión monográfica.