Mostrar el registro sencillo del ítem

dc.contributor.authorGarcía Laencina, Pedro José 
dc.contributor.authorVerdú Monedero, Rafael 
dc.contributor.authorLarrey Ruiz, Jorge 
dc.contributor.authorMorales Sánchez, Juan 
dc.contributor.authorSancho Gómez, José Luis 
dc.date.accessioned2009-03-26T07:52:54Z
dc.date.available2009-03-26T07:52:54Z
dc.date.issued2009-03-26T07:52:54Z
dc.identifier.issn1698-2924
dc.description.abstractLas redes neuronales artificiales han sido ampliamente utilizadas para resolver problemas de diagnosis médica, reconocimiento de voz, predicción de índices bursatiles, etc. A pesar de ello, presentan como claros inconvenientes el elevado tiempo de cálculo necesario y la convergencia a mínimos locales. Este artículo analiza un novedoso, rápido y eficiente método para el entrenamiento de redes tipo “feed-forward” conocido como Extreme Learning Machine.es
dc.description.sponsorshipEste trabajo está parcialmente financiado por el MEC a través del proyecto TEC2006-13338/TCM.es
dc.formatapplication/pdf
dc.language.isospaes
dc.rightsAtribución-NoComercial-SinDerivadas 3.0 España*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/es/*
dc.titleNuevas tendencias en redes neuronales artificiales: extreme learning machinees
dc.typeinfo:eu-repo/semantics/articlees
dc.subject.otherTeoría de la Señal y las Comunicacioneses
dc.subjectAprendizaje automático extremoes
dc.subjectRed Neuronal Artificial (RNA)es
dc.subjectNeuronaes
dc.subjectNeurocomputaciónes
dc.subjectExtreme learning machine
dc.subjectArtificial neural networks
dc.subjectNeuron
dc.subjectNeurocomputation
dc.identifier.urihttp://hdl.handle.net/10317/871
dc.contributor.investgroupGrupo Teoría y Tratamiento de la Señal (GTTS)es
dc.rights.accessRightsinfo:eu-repo/semantics/openAccess


Ficheros en el ítem

untranslated

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem

Atribución-NoComercial-SinDerivadas 3.0 España
Excepto si se señala otra cosa, la licencia del ítem se describe como Atribución-NoComercial-SinDerivadas 3.0 España