Estimación automática de parámetros de funciones de pertenencia

Vista sencilla de ítem
dc.contributor.advisorRodríguez Sarabia, Yanet
dc.contributor.advisorFalcón Martínez, Rafael Jesús
dc.contributor.advisorGarcía Lorenzo, María Matilde
dc.contributor.authorVarela Martin, Alain José
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2018-04-26T15:01:28Z
dc.date.available2018-04-26T15:01:28Z
dc.date.issued2005-06-22
dc.description.abstractObtener los términos lingüísticos y la función de pertenencia (FP) correspondiente es una tarea que requiere conocimiento experto en el área de aplicación. Adaptar manualmente una FP a un problema concreto no es fácil, pequeñas modificaciones pueden causar cambios drásticos en la eficiencia del modelo. Este trabajo tiene como resultado un módulo de preprocesamiento para ser incorporado a la nueva versión de la herramienta computacional, que implementa un modelo híbrido RNA-RBC utilizando conjuntos borrosos para modelar los rasgos lineales. Este módulo brinda facilidades al usuario para la edición manual de FP; permite obtener de forma automática, a partir de ejemplos de entrenamiento, los parámetros de varios tipos de FP; y ajustar las FP iniciales para mejorar el desempeño de la RNA cuando utiliza rasgos borrosos. Este módulo sería imprescindible para validar el nuevo modelo utilizando archivos de datos internacionales, y de mucha utilidad en la aplicación del mismo a problemas reales. Además las heurísticas propuestas pueden ser incorporadas fácilmente por otros usuarios que requieran modelar sus datos utilizando conjuntos borrosos.en_US
dc.description.abstractTo obtain the linguistic terms and their corresponding membership functions (MF) is a task that requires expert knowledge in the application area. Manually adapting a MF to a specific problem is not easy because small modifications can cause drastic changes in the model’s performance. This work provides as outcome a preprocessing module to be incorporated to the new version of the NeuroDeveloper computational tool that implements a hybrid CBR-ANN model using fuzzy logic to model lineal features. This module enables users to manually edit MFs; it allows the retrieval –via automation from training examples-, of the parameters of several types of MFs; and fits the initial MFs to improve the performance of the RNA when it uses fuzzy features. This module would be essential to validate the new model using well-known international datasets and extremely useful in the model’s real applications. In addition, the heuristic proposals can be easily incorporated by other users who might require to model data as fuzzy.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento de Ciencias de la Computaciónen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/9291
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villasen_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.subjectRedes Neuronales Artificialesen_US
dc.subjectRazonamiento Basado en Casosen_US
dc.subjectConjuntos Borrososen_US
dc.subjectInteligencia Artificialen_US
dc.subject.otherAprendizajeen_US
dc.subject.otherAutomatizacionen_US
dc.subject.otherRedes Neuronalesen_US
dc.subject.otherLógica Difusaen_US
dc.subject.otherInteligencia Artificialen_US
dc.titleEstimación automática de parámetros de funciones de pertenenciaen_US
dc.typeThesisen_US
dc.type.thesisbacheloren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis Alain Varela(Bibioteca).pdf
Tamaño:
1.18 MB
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