Algoritmo de Aprendizaje para Redes Bayesianas de Nodos Temporales
Autor: Pablo Francisco Hernández Leal
*Espera unos segundos a que cargue el documento, el tiempo puede variar dependiendo de tu conexión a internet. Si lo prefieres, puedes descargar el archivo haciendo click en el enlace que se encuentra debajo.
Información
Descripción: Algoritmo de Aprendizaje para Redes Bayesianas de Nodos Temporales por Pablo Francisco Hernández Leal es una tesis sobre el desarrollo de un algoritmo para aprender la estructura, intervalos y parámetros de Redes Bayesianas de Nodos Temporales (RBNT). Este trabajo ofrece una solución al problema de modelar información temporal con incertidumbre, crucial en diversos dominios.
Páginas: 115
Megabytes: 1.17 MB
Esto puede interesarte
Aprendizaje no supervisado y el algoritmo wake-sleep en redes neuronales
Extensión: PDF | 92 páginas
Aprendizaje no supervisado y el algoritmo wake-sleep en redes neuronales por Norma Pelaez Chavez, explora los fundamentos teóricos del aprendizaje no supervisado en redes neuronales. Analiza el algoritmo wake-sleep y su implementación en la máquina de Helmholtz.
Algoritmos de Machine Learning
Extensión: PDF | 18 páginas
Algoritmos de Machine Learning por Universidad Politécnica de Madrid, es una newsletter trimestral que proporciona una visión general de los algoritmos de Machine Learning más utilizados. Este documento es valioso para construir una base sólida de conocimientos y entender cómo usar correctamente estos algoritmos.
Técnicas boosting
Extensión: PDF | 84 páginas
Técnicas boosting por Manuel Pérez García es un estudio exhaustivo de los algoritmos de boosting, centrado en su aplicación y fundamentos teóricos. Explora desde AdaBoost hasta gradient boosting, proporcionando un valioso recurso para entender y aplicar estas potentes técnicas de machine learning.
Algoritmos de Aprendizaje Supervisado en la Clasificación de Exoplanetas en Python
Extensión: PDF | 81 páginas
Algoritmos de Aprendizaje Supervisado en la Clasificación de Exoplanetas en Python por Johans González Cangrejo es un estudio conciso sobre el uso de Machine Learning para clasificar exoplanetas utilizando datos de la NASA. Descubre cómo los algoritmos de aprendizaje supervisado pueden ayudar a entender el universo.
Algoritmos de Boosting para Modelos de Clasificacion y Regresion Lineal
Extensión: PDF | 80 páginas
Algoritmos de Boosting para Modelos de Clasificacion y Regresion Lineal por Nicolás Rugeles Ospina explora a fondo los algoritmos de Boosting para tareas de clasificación y regresión lineal. Este documento detalla tanto los fundamentos teóricos como implementaciones prácticas de algoritmos clave como AdaBoost y LogitBoost.
