RUO Principal

Repositorio Institucional de la Universidad de Oviedo

Ver ítem 
  •   RUO Principal
  • Producción Bibliográfica de UniOvi: RECOPILA
  • Tesis
  • Ver ítem
  •   RUO Principal
  • Producción Bibliográfica de UniOvi: RECOPILA
  • Tesis
  • Ver ítem
    • español
    • English
JavaScript is disabled for your browser. Some features of this site may not work without it.

Listar

Todo RUOComunidades y ColeccionesPor fecha de publicaciónAutoresTítulosMateriasxmlui.ArtifactBrowser.Navigation.browse_issnPerfil de autorEsta colecciónPor fecha de publicaciónAutoresTítulosMateriasxmlui.ArtifactBrowser.Navigation.browse_issn

Mi cuenta

AccederRegistro

Estadísticas

Ver Estadísticas de uso

AÑADIDO RECIENTEMENTE

Novedades
Repositorio
Cómo publicar
Recursos
FAQs
Las tesis leídas en la Universidad de Oviedo se pueden consultar en el Campus de El Milán previa solicitud por correo electrónico: buotesis@uniovi.es

Un sistema de aprendizaje de reglas explicitas mediante la generalización de instancias

Autor(es) y otros:
Luaces Rodríguez, ÓscarAutoridad Uniovi
Director(es):
Bahamonde Rionda, AntonioAutoridad Uniovi
Centro/Departamento/Otros:
Informática, Departamento deAutoridad Uniovi
Fecha de publicación:
1999-09-28
Descripción física:
99 p.
Resumen:

Se trata de construir un sistema de aprendizaje automático que, a partir de ejemplos de entrenamiento que describen de forma parcial un problema de clasificación, se capaz de obtener un conjunto de reglas clasificadoras con un alto rendimiento. El objetivo principal del algoritmo es lograr una alta capacidad de explicación de las decisiones en la clasificación, par a lo que cual es fundamental que el conjunto de reglas seas compacto, es decir, que se obtengan pocas reglas y con un número de antecedentes pequeño. Las reglas se obtienen tras un proceso iterativo de generalización de observaciones. Partiendo inicialmente de puntos, o ejemplos en el espacio del problema se llegará a obtener un conjunto de reglas que cubran los ejemplos que haya en los alrededores del punto de partida. El mecanismo de generalización se basa en el principio del vecino más próximo, tratando de extender una regla, inicialmente puntual, para que cubra regiones en su vecindad. Las reglas se van a ver dosificadas a lo largo del proceso de inducción en función de los ejemplos presentados más próximos a ellas. Estas modificaciones se harán siguiendo un procedimiento similar a las modificaciones de los mapas autoorganizativos de Kohonen. Lo más destacable de estere proceso es la necesidad de medir distancias entre reglas y ejemplos, problema que no es trivial cuando los atributos son de carácter simbólico. Inner pretende utilizar una aproximación en la que la forma de medir distancias entre atributos simbólicos se aprenda durante el proceso de inducción de reglas.

Se trata de construir un sistema de aprendizaje automático que, a partir de ejemplos de entrenamiento que describen de forma parcial un problema de clasificación, se capaz de obtener un conjunto de reglas clasificadoras con un alto rendimiento. El objetivo principal del algoritmo es lograr una alta capacidad de explicación de las decisiones en la clasificación, par a lo que cual es fundamental que el conjunto de reglas seas compacto, es decir, que se obtengan pocas reglas y con un número de antecedentes pequeño. Las reglas se obtienen tras un proceso iterativo de generalización de observaciones. Partiendo inicialmente de puntos, o ejemplos en el espacio del problema se llegará a obtener un conjunto de reglas que cubran los ejemplos que haya en los alrededores del punto de partida. El mecanismo de generalización se basa en el principio del vecino más próximo, tratando de extender una regla, inicialmente puntual, para que cubra regiones en su vecindad. Las reglas se van a ver dosificadas a lo largo del proceso de inducción en función de los ejemplos presentados más próximos a ellas. Estas modificaciones se harán siguiendo un procedimiento similar a las modificaciones de los mapas autoorganizativos de Kohonen. Lo más destacable de estere proceso es la necesidad de medir distancias entre reglas y ejemplos, problema que no es trivial cuando los atributos son de carácter simbólico. Inner pretende utilizar una aproximación en la que la forma de medir distancias entre atributos simbólicos se aprenda durante el proceso de inducción de reglas.

URI:
http://hdl.handle.net/10651/17263
Otros identificadores:
https://www.educacion.gob.es/teseo/mostrarRef.do?ref=213936
Notas Locales:

Tesis 1999-067

Colecciones
  • Tesis [7669]
Ficheros en el ítem
Compartir
Exportar a Mendeley
Estadísticas de uso
Estadísticas de uso
Metadatos
Mostrar el registro completo del ítem
Página principal Uniovi

Biblioteca

Contacto

Facebook Universidad de OviedoTwitter Universidad de Oviedo
El contenido del Repositorio, a menos que se indique lo contrario, está protegido con una licencia Creative Commons: Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Creative Commons Image