Fiche du document
2010
- handle: 10670/1.880o5i
- 1405-0269
Ce document est lié à :
http://www.redalyc.org/revista.oa
CIENCIA ergo-sum, Revista Científica Multidisciplinaria de Prospectiva
Mots-clés
Multidisciplinarias (Ciencias Sociales) perceptrón multicapa preprocesado de datos máquinas de vectores soporte Redes neuronales artificiales redes de función de base radialSujets proches
Nets, Neural (Computer science) Artificial neural networks Neural nets (Computer science) Networks, Neural (Computer science) Redes neuronales (Inteligencia artificial) Redes neuronales artificialesCiter ce document
Primitivo Toribio Luna et al., « Training Optimization for Artificial Neural Networks », Ciencia Ergo Sum, ID : 10670/1.880o5i
Métriques
Partage / Export
Résumé
"Debido a la habilidad para modelar problemas complejos, actualmente las Redes Neuronales Artificiales (nn) son muy populares en Reconocimiento de Patrones, Minería de Datos y Aprendizaje Automático. No obstante, el elevado costo computacional asociado a la fase en entrenamiento, cuando grandes bases de datos son utilizados, es su principal desventaja. Con la intención de disminuir el costo computacional e incrementar la convergencia de la nn, el presente trabajo analiza la conveniencia de realizar pre-procesamiento a los conjuntos de datos. De forma específica, se evalúan los métodos de grafo de vecindad relativa (rng), grafo de Gabriel (gg) y el método basado en los vecinos envolventes k-ncn. Los resultados experimentales muestran la factibilidad y las múltiples ventajas de esas metodologías para solventar los problemas descritos previamente."