Análisis de las máquinas Sparse Autoencoders como extractores de características
Ver/
Identificadores
URI: http://hdl.handle.net/10317/6591Compartir
Métricas
Estadísticas
Ver Estadísticas de usoMetadatos
Mostrar el registro completo del ítemDirector/a
Sancho Gómez, José Luis; Menchón Lara, Rosa MaríaEscuela/Centro
Escuela Técnica Superior de Ingeniería de TelecomunicaciónUniversidad
Universidad Politécnica de CartagenaDepartamento
Tecnologías de la Información y las ComunicacionesÁrea de conocimiento
Teoría de la Señal y las ComunicacionesFecha de publicación
2017-03-17Palabras clave
AlgoritmosAlgorithms
Telecommunications
Telecomunicaciones
Resumen
[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 ...
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales