Algoritmos para el aprendizaje de funciones de pertenencia en un sistema borroso basado en instancias

Vista sencilla de ítem
dc.contributor.advisorMorell Pérez, Carlos
dc.contributor.advisorRodríguez Sarabia, Yanet
dc.contributor.authorIsac Palma, Christian Ariel
dc.coverage.spatialSanta Claraen_US
dc.date.accessioned2018-06-19T23:24:36Z
dc.date.available2018-06-19T23:24:36Z
dc.date.issued2010-07-12
dc.description.abstractEn los algoritmos de aprendizaje basados en instancias la función de similitud definida juega un papel determinante en el buen desempeño de los mismos. En el caso de un sistema borroso basado en instancias las funciones de pertenencia definidas para la modelación borrosa de los datos de entrada, inciden considerablemente sobre la función de similitud definida. En este trabajo se presenta una alternativa para incrementar la eficiencia de un sistema borroso basado en instancias, mediante la obtención de particiones borrosas óptimas. La partición borrosa óptima es determinada usando el algoritmo de Máximo Descenso. Este algoritmo es invocado para modificar los parámetros de las funciones de pertenencia en la dirección negativa del gradiente de la función de error. Adicionalmente, este procedimiento es combinado con el Método de Monte Carlo para evitar mínimos locales durante el proceso de búsqueda. Los resultados obtenidos con este método son competitivos comparados con otros métodos de aprendizaje automatizados recogidos en la literatura.en_US
dc.description.abstractInstance based learning algorithms are sensitive to the definition of similarity function used. The performance of the resulting classifier largely depends on this component. Fuzzy instance based classifiers are also dependent of membership functions used to define fuzzy partitions for modeling continuous attributes. This work proposes an algorithm for estimating the best fuzzy partition for a given dataset in order to improve classification accuracy. The optimal fuzzy partition is determined using a steepest descent algorithm. This algorithm is invoked to modify membership function parameters in the negative gradient direction of the error function. Additionally, this procedure is combined with the Monte Carlo method to avoid local minimum during search process. Results obtained with this method are competitive compared to other state of the arts machine learning algorithms.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/123456789/9562
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.subjectSistema Borroso Basado en Instanciasen_US
dc.subjectFunción de Similitud Definidaen_US
dc.subjectParticiones Borrosas Óptimasen_US
dc.subjectAlgoritmo de Máximo Descensoen_US
dc.subjectFunciones de Pertenenciaen_US
dc.subjectMétodo de Monte Carloen_US
dc.subjectMétodos de Aprendizaje Automatizadosen_US
dc.subject.Inteligencia Artificialen_US
dc.subject.otherSistemas Difusosen_US
dc.subject.otherModelaciónen_US
dc.subject.otherLógica Difusaen_US
dc.subject.otherPertenenciaen_US
dc.subject.otherMétodo de Monte Carloen_US
dc.subject.otherAprendizaje Automatizadoen_US
dc.subject.otherAlgoritmosen_US
dc.subject.otherDiseñoen_US
dc.subject.otherInteligencia Artificialen_US
dc.titleAlgoritmos para el aprendizaje de funciones de pertenencia en un sistema borroso basado en instanciasen_US
dc.typeThesisen_US
dc.type.thesisbacheloren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis Christian Ariel Isac Palma.pdf
Tamaño:
414.78 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