Resolución de problemas de clasificación con datos incompletos mediante redes autoasociativas profundas
Author
Sánchez Morales, AdriánDirector/a
Sancho Gómez, José Luis; Figueiras Vidal, Anibal R.Center
Escuela Internacional de Doctorado de la Universidad Politécnica de CartagenaUniversity
Universidad Politécnica de CartagenaPrograma de doctorado
Programa de Doctorado en Tecnologías de la Información y las Comunicaciones por la Universidad Politécnica de CartagenaFecha de lectura
2020-01-31Publication date
2019Publisher
Adrián Sánchez MoralesKeywords
Inteligencia artificialLenguajes algorítmicos
Aprendizaje automático
Auto-codificadores
Artificial intelligence
Computer program language
Machine learning
Auto encoders
Abstract
[SPA] Hoy en día, prácticamente todas las aplicaciones en la industria explotan su información histórica para tomar decisiones y de esta forma realizar predicciones, optimizar procesos o simplemente monitorizar activos. Las técnicas de procesado de datos han sido ampliamente estudiadas durante los últimos años debido, entre otras cosas, al crecimiento de aplicaciones basadas en inteligencia artificial. Además, la presencia de valores desconocidos en un conjunto de datos es uno de los problemas más comunes en estas aplicaciones reales. Ésta es una de las razones por las que en la literatura se han propuesto muchas técnicas basadas en aprendizaje máquina que abordan esta tarea. En la primera parte de este trabajo, se explota la gran capacidad de representación de los Stacked Denoising Autoencoders (SDAE) para obtener un nuevo método de imputación basado en dos ideas diferentes: borrado y compensación. El primer método ha demostrado mejorar los resultados en imputación borrando artificialmente ...
Collections
- Tesis [531]
The following license files are associated with this item:
Social media