Extensiones al ambiente de aprendizaje automatizado Weka

Vista sencilla de ítem
dc.contributor.advisorMorell Pérez, Carlos
dc.contributor.advisorRodríguez Sarabia, Yanet
dc.contributor.authorGonzález, Héctor Matías
dc.contributor.authorAraujo Pérez, Liana Isabel
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2018-06-11T22:42:30Z
dc.date.available2018-06-11T22:42:30Z
dc.date.issued2006-06-28
dc.description.abstractEste trabajo presenta extensiones realizadas a la herramienta de Aprendizaje Automatizado Weka. Se incorporan los algoritmos que utiliza un nuevo modelo híbrido de Razonamiento Basado en Casos. Específicamente se añade un nuevo tipo de dato para manejar un atributo numérico como variable lingüística y un nuevo filtro con esta finalidad, y se implementan dos algoritmos de clasificación. El diseño de Weka hace que la incorporación de nuevos modelos no sea una tarea tan compleja, sin embargo en el trabajo queda definida una metodología para adicionar nuevos filtros y clasificadores que facilita aún más esta tarea. Finalmente, se validan los algoritmos implementados utilizando conjuntos de datos internacionales, mostrando la factibilidad de utilizar esta herramienta y los nuevos algoritmos en el campo de la Inteligencia Artificial.en_US
dc.description.abstractThis work presents the extensions made to the “Weka” Machine Learning tool in order to incorporate the algorithms used in a new Case-Based Reasoning hybrid model. Specifically, a new data type is added to handle a numerical attribute as a linguistic variable. A new filter and two classification algorithms are purposefully implemented by using Weka. Although its environment was designed with the goal of reducing the complexity when adding new models, additionally a methodology for incorporating new filters and classification algorithms is outlined. Finally, the implemented algorithms are validated by means of well-known international datasets, therefore concluding the feasibility of using this tool and the new algorithms in the Artificial intelligence field.en_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/9519
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villas. Facultad de Matemática, Física y Computación. Departamento de Ciencias de la Computaciónen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectAprendizaje Automáticoen_US
dc.subjectMetodologíaen_US
dc.subjectInteligencia Artificialen_US
dc.subject.otherAprendizajeen_US
dc.subject.otherAutomatizacionen_US
dc.subject.otherMetodologíaen_US
dc.subject.otherInteligencia Artificialen_US
dc.titleExtensiones al ambiente de aprendizaje automatizado Wekaen_US
dc.typeThesisen_US
dc.type.thesisbacheloren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis de Liana y Hector.pdf
Tamaño:
722.72 KB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Pregrado - Licenciatura en Ciencias de la Computación