Análisis de las máquinas Sparse Autoencoders como extractores de características
View/ Open
Identifiers
URI: http://hdl.handle.net/10317/6591Share
Metrics
Statistics
View Usage StatisticsMetadata
Show full item recordDirector/a
Sancho Gómez, José Luis; Menchón Lara, Rosa MaríaCenter
Escuela Técnica Superior de Ingeniería de TelecomunicaciónUniversity
Universidad Politécnica de CartagenaDepartment
Tecnologías de la Información y las ComunicacionesKnowledge Area
Teoría de la Señal y las ComunicacionesPublication date
2017-03-17Keywords
AlgoritmosAlgorithms
Telecommunications
Telecomunicaciones
Abstract
[SPA]Las redes neuronales son un sistema de procesado de la información que
hace uso de algunos de los principios que organizan la estructura del cerebro
humano, de ahí la procedencia de su nombre. Últimamente, se ha dado una especial
atención a máquinas de aprendizaje no supervisadas cómo herramienta
útil tanto para el pre-procesado de los datos, como para el diseño y entrenamiento
de las redes neuronales más clásicas. Una de las máquinas que más relevancia
precisa son los Perceptrones Multicapa, también conocidos como MLP
(Multilayer Perceptron).
Los Autoencoders son máquinas no supervisadas que permiten una mejor
representación de los datos de entrada mediante su transformación a espacios
intermedios con el de salida. En este trabajo se analizará una variante de los
Autoencoders, como son los denominados “Sparse Autoencoders” que permiten
la extracción de las características más relevantes de los datos de entrada,
para la tarea asociada al aprendizaje no supervisado.
Este ...
Collections
The following license files are associated with this item:
Social media