Mostrar el registro sencillo del objeto digital
dc.contributor.author | Toribio Luna, Primitivo | |
dc.contributor.author | ALEJO ELEUTERIO, ROBERTO | |
dc.contributor.author | VALDOVINOS ROSAS, ROSA MARIA | |
dc.contributor.author | RODRIGUEZ MENDEZ, BENJAMIN GONZALO | |
dc.creator | Toribio Luna, Primitivo;;3182187 | |
dc.creator | ALEJO ELEUTERIO, ROBERTO; 45244 | |
dc.creator | VALDOVINOS ROSAS, ROSA MARIA; 211910 | |
dc.creator | RODRIGUEZ MENDEZ, BENJAMIN GONZALO; 211240 | |
dc.date.accessioned | 2016-03-16T17:14:16Z | |
dc.date.available | 2016-03-16T17:14:16Z | |
dc.date.issued | 2010-04-29 | |
dc.identifier | http://www.redalyc.org/articulo.oa?id=10415212010 | |
dc.identifier.uri | http://hdl.handle.net/20.500.11799/38175 | |
dc.description | 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. | |
dc.description.abstract | Debido a la habilidad para modelar problemas complejos, actualmente las Redes Neuronales ArtiÀciales (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 especíÀca, 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 | es |
dc.format | application/pdf | |
dc.language.iso | eng | es |
dc.publisher | Universidad Autónoma del Estado de México | |
dc.relation | http://www.redalyc.org/revista.oa?id=104 | |
dc.rights | openAccess | es |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | |
dc.source | Ciencia Ergo Sum (México) Num.3 Vol.17 | |
dc.subject | Multidisciplinarias (Ciencias Sociales) | |
dc.subject | Redes neuronales artificiales | |
dc.subject | perceptrón multicapa | |
dc.subject | redes de función de base radial | |
dc.subject | máquinas de vectores soporte | |
dc.subject | preprocesado de datos | |
dc.subject.classification | CIENCIAS FÍSICO MATEMÁTICAS Y CIENCIAS DE LA TIERRA | |
dc.title | Training Optimization for Artificial Neural Networks | |
dc.type | Artículo | es |
dc.provenance | Científica | |
dc.road | Dorada | |
dc.ambito | Internacional | es |
dc.audience | students | |
dc.audience | researchers | |
dc.type.conacyt | article | |
dc.identificator | 1 |