Archive for Agosto, 2008
Dentro de los métodos de clasificación supervisada nos encontramos con una gran variedad, específicamente en este post se hablará de los árboles de clasificación; esto se lo ha realizado por algunas ventajas que los mismos nos proporcionan, entre ellas tenemos:
Sencillez.
Accesibilidad a diferentes implementaciones.
Aporta con [...]
¿Qué es el aprendizaje automático?
Es una rama de la Inteligencia Artificial que tiene como objetivo el desarrollar técnicas que permitan que las computadoras puedan aprender.
Es decir, crear programas que sean capaces de generalizar los comportamientos partiendo de una información que no esté estructurada suministrada en forma de ejemplos.
Para ver artículo completo ir al siguiente enlace:
http://robpau007.wordpress.com/
Por: [...]
Los modelos ocultos de Markov (HMM) desempeñan un función importante el desarrollo de herramientas para la modelización altamente flexible, inicialmente utilizada en el campo del reconocimiento automático del habla, que ha encontrado en los últimos años numerosas aplicaciones en áreas científico-técnicas muy diversas, aunque su utilización en otras áreas es escasa. Dentro de [...]
Los Árboles de clasificación, o también llamados modelos basados en árboles, se fundamentan en el principio de “divide y vencerás”, construyendo un árbol que en cada nodo establece unas condiciones sobre un atributo, dividiendo así el conjunto de casos en subconjuntos que cumplen cada condición. Los subconjuntos se vuelven a dividir añadiendo nuevos niveles al [...]
Las redes bayesianas o probabilísticas son una representación gráfica de dependencias para razonamiento probabilístico en sistemas expertos, en la cual los nodos y arcos representan:
Nodo: Variable proposicional.
Arcos: Dependencia probabilística.
El aprendizaje en las redes bayesianas se divide en dos grandes grupos:
APRENDIZAJE ESTRUCTURADO: Con el cual se obtiene la estructura de la [...]
APRENDIZAJE POR REFUERZO
Existen algunas formas de aprendizaje de los agentes inteligentes, el aprendizaje entra en juego cuando el agente observa sus iteraciones con el mundo y sus procesos de toma de decisiones. Existen tres formas de aprendizaje: Aprendizaje supervisado, no supervisado y el aprendizaje por refuerzo.
El aprendizaje por refuerzo consiste en aprender a decidir, ante [...]
v\:* {behavior:url(#default#VML);}
o\:* {behavior:url(#default#VML);}
w\:* {behavior:url(#default#VML);}
.shape {behavior:url(#default#VML);}
<!– /* Font Definitions */ @font-face {font-family:Wingdings; panose-1:5 0 0 0 0 0 0 0 0 0; mso-font-charset:2; mso-generic-font-family:auto; mso-font-pitch:variable; mso-font-signature:0 268435456 0 0 -2147483648 0;} @font-face {font-family:”Cambria Math”; panose-1:2 4 5 3 5 4 6 3 2 4; mso-font-charset:0; mso-generic-font-family:roman; mso-font-pitch:variable; mso-font-signature:-1610611985 1107304683 0 0 159 0;} [...]
ALGORITMOS DE CLASIFICACION POR VECINDAD
Abstract
La cantidad excesiva de documentos en lenguaje natural disponibles en formato electrónico hace imposible su análisis. Una solución propuesta a este problema son los sistemas de extracción de información, los cuales permiten estructurar datos relevantes a un dominio específico en los documentos. En otras palabras, la extracción de información [...]
Origen
Los primeros conceptos sobre redes neuronales fueron proporcionados en el año de 1943 por Walter Pitts y Warren McCulloch. La investigación publicada sobre las redes neuronales sirvió de fundamentos para otras investigaciones realizadas en años próximos, simularon la red neuronal con circuitos eléctricos.
Red neuronal Artificial
Las redes neuronales artificiales son inspiradas en las redes [...]
REDES BAYESIANAS
Figura 1. Redes Bayesianas
El estudio de las redes bayesianas son diseñadas con el fin de hallar las relaciones de dependencia e independencia entre todas las variables que conforman un dominio de estudio. De ésta manera permite realizar predicciones sobre el comportamiento de cualquiera de las variables desconocidas a partir de los valores de las [...]


