La detección de errores groseros ha sido llevada a cabo típicamente mediante pruebas rigurosas estadísticas de hipótesis. Las suposiciones requeridas para deducir las propiedades estadísticas necesarias son restrictivas, lo que conduce a la investigación a enfoques alternativos tales como las redes neuronales artificiales. En este documento se reportan los resultados de un estudio sobre la utilidad de los árboles de clasificación y las funciones de clasificación lineales y cuadráticas para resolver la detección de errores groseros.
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:
Determinando el valor económico del mantenimiento preventivo
Tesis:
Sistema de planificación de los requerimientos de materiales en una industria alimenticia
Infografía:
Guía - Teoría de Restricciones - TOC
Artículo:
Herramienta de toma de decisión basada en visualización exploratoria para la industria automotriz
Artículo:
Un apunte sobre la asignación óptima en muestreo estratificado aleatorio
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.