Estudi i aportacions a l'aprenentatge de distàncies parametritzades per matrius mètriques
NAGIOS: RODERIC FUNCIONANDO

Estudi i aportacions a l'aprenentatge de distàncies parametritzades per matrius mètriques

DSpace Repository

Estudi i aportacions a l'aprenentatge de distàncies parametritzades per matrius mètriques

Show simple item record

dc.contributor.advisor Ferri i Rabasa, Francesc Josep
dc.contributor.advisor Arevalillo Herráez, Miguel
dc.contributor.author Pérez Suay, Adrián
dc.contributor.other Departament d'Informàtica es_ES
dc.date.accessioned 2015-01-23T07:29:23Z
dc.date.available 2015-01-24T03:45:05Z
dc.date.issued 2014 es_ES
dc.date.submitted 20-01-2015 es_ES
dc.identifier.uri http://hdl.handle.net/10550/41408
dc.description.abstract Alhora de construir sistemes intel·ligents capaços de sensoritzar, reconèixer i comprendre el seu entorn, una de les opcions consisteix a fer servir una mesura de distància o de dissimilitud per tal de comparar els objectes detectats. En alguns casos, la utilització de distàncies estàndard pot ser acceptable i fins i tot convenient. No obstant això, sempre existeix la possibilitat d'aprendre una distància adaptada al problema inductivament a partir d'exemples particulars. Precisament, l'aprenentatge de distàncies és un cas particular d'aprenentatge automàtic el objectiu del qual consisteix a trobar aquella funció distància que satisfà una sèrie de condicions que tenen a veure amb l'adaptació de la distància al problema. En altres paraules, es tracta de trobar aquella funció distància que fa òptims els corresponents procediments de reconeixement. En aquesta tesi s'aborda el problema de l'aprenentatge de distàncies des de dues perspectives diferents. Una d'elles considera el cas en què tots els exemples a l'abast es fan servir conjuntament i a l'hora en el procés d'aprenentatge (aquest paradigma es coneix com aprenentatge per lots). L'altra contempla el cas en què els exemples es fan servir de manera seqüencial, un a un, de tal forma que en cada pas es disposa d'un determinat model de distància que poc a poc va millorant (aquest procés rep el nom d'aprenentatge continu o en línia). Respecte a l'aprenentatge per lots, en aquesta tesi es planteja com alternativa l'elecció d'exemples amb diferents criteris per tal de construir un subconjunt reduït i representatiu en contraposició a la utilització del conjunt d'exemples originalment disponibles. Aquesta aportació redueix el temps d'execució i manté l'eficiència en la classificació d'un mètode d'aprenentatge de distàncies àmpliament conegut en la literatura relacionada, que està fonamentat en la idea que els elements de la mateixa classe estiguen a distància zero. Respecte de l'aprenentatge en línia s'han desenvolupat diferents alternatives d'un mètode que aprén a través d'un model, i que realitza una adaptació només si prediu incorrectament. Entre les diferents aproximacions presentades, s'ha introduït una formulació mitjançant mínims quadrats que defineix un nou mètode d'aprenentatge en línia de distàncies. En les versions desenvolupades, els resultats obtinguts per a classificació mostren un rendiment equiparable a alguns mètodes per lots i un requeriment computacional reduït en relació també a aquest tipus de configuració. es_ES
dc.format.extent 149 p. es_ES
dc.language.iso ca es_ES
dc.subject aprenentatge automàtic es_ES
dc.subject similitud es_ES
dc.subject classificació es_ES
dc.subject estadística es_ES
dc.subject distància es_ES
dc.title Estudi i aportacions a l'aprenentatge de distàncies parametritzades per matrius mètriques es_ES
dc.type info:eu-repo/semantics/doctoralThesis es_ES
dc.subject.unesco UNESCO::MATEMÁTICAS::Ciencia de los ordenadores::Inteligencia artificial es_ES
dc.subject.unesco UNESCO::MATEMÁTICAS::Estadística ::Teoría y procesos de decisión es_ES
dc.subject.unesco UNESCO::MATEMÁTICAS::Estadística ::Técnicas de predicción estadística es_ES
dc.embargo.terms 0 days es_ES

View       (2.538Mb)

This item appears in the following Collection(s)

Show simple item record

Search DSpace

Advanced Search

Browse

Statistics