Autor Amezcua, Jonathan
|
|
Documentos disponibles escritos por este autor (1)
Hacer una sugerencia Refinar búsquedaNew Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic / Amezcua, Jonathan
Título : New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic Tipo de documento: documento electrónico Autores: Amezcua, Jonathan, Autor ; Melin, Patricia, Autor ; Castillo, Oscar, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2018 Número de páginas: VIII, 73 p. 22 ilustraciones, 12 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-73773-7 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Inteligencia Computacional Inteligencia artificial Índice Dewey: 006.3 Inteligencia artificial Resumen: En este libro se desarrolló un nuevo modelo para la clasificación de datos. Este nuevo modelo se basa en la red neuronal competitiva Learning Vector Quantization (LVQ) y la lógica difusa tipo 2. Este modelo computacional consiste en la hibridación de las técnicas antes mencionadas, utilizando un sistema de lógica difusa dentro de la capa competitiva de la red LVQ para determinar la distancia más corta entre un centroide y un vector de entrada. Este nuevo modelo se basa en una arquitectura modular LVQ para mejorar aún más su rendimiento en problemas de clasificación complejos. También implementa un proceso de similitud de datos para el preprocesamiento de los conjuntos de datos, con el fin de construir arquitecturas dinámicas, teniendo las clases con mayor grado de similitud en diferentes módulos. Se desarrollaron algunas arquitecturas para trabajar principalmente con dos conjuntos de datos, un conjunto de datos de arritmias (que utiliza señales de ECG) para clasificar 15 tipos diferentes de arritmias y un conjunto de datos de segmentos de imágenes de satélite utilizado para clasificar seis tipos diferentes de suelo. Ambos conjuntos de datos muestran características interesantes que los hacen interesantes para probar nuevos métodos de clasificación. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i New Classification Method Based on Modular Neural Networks with the LVQ Algorithm and Type-2 Fuzzy Logic [documento electrónico] / Amezcua, Jonathan, Autor ; Melin, Patricia, Autor ; Castillo, Oscar, Autor . - 1 ed. . - [s.l.] : Springer, 2018 . - VIII, 73 p. 22 ilustraciones, 12 ilustraciones en color.
ISBN : 978-3-319-73773-7
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Inteligencia Computacional Inteligencia artificial Índice Dewey: 006.3 Inteligencia artificial Resumen: En este libro se desarrolló un nuevo modelo para la clasificación de datos. Este nuevo modelo se basa en la red neuronal competitiva Learning Vector Quantization (LVQ) y la lógica difusa tipo 2. Este modelo computacional consiste en la hibridación de las técnicas antes mencionadas, utilizando un sistema de lógica difusa dentro de la capa competitiva de la red LVQ para determinar la distancia más corta entre un centroide y un vector de entrada. Este nuevo modelo se basa en una arquitectura modular LVQ para mejorar aún más su rendimiento en problemas de clasificación complejos. También implementa un proceso de similitud de datos para el preprocesamiento de los conjuntos de datos, con el fin de construir arquitecturas dinámicas, teniendo las clases con mayor grado de similitud en diferentes módulos. Se desarrollaron algunas arquitecturas para trabajar principalmente con dos conjuntos de datos, un conjunto de datos de arritmias (que utiliza señales de ECG) para clasificar 15 tipos diferentes de arritmias y un conjunto de datos de segmentos de imágenes de satélite utilizado para clasificar seis tipos diferentes de suelo. Ambos conjuntos de datos muestran características interesantes que los hacen interesantes para probar nuevos métodos de clasificación. . En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
