Academic Journals Database
Disseminating quality controlled scientific knowledge

Comparación por simplicidad de métodos de aprendizaje en estimación de funciones

ADD TO MY LIST
 
Author(s): Dora M. Ballesteros | Luis F. Pedraza | Andrés E. Gaona

Journal: Visión Electrónica
ISSN 1909-9746

Volume: 4;
Issue: 2;
Start page: 88;
Date: 2010;
Original page

Keywords: Gradiente descendente | Gradiente conjugado | Simplicidad | Estimación de funciones

ABSTRACT
Uno de los problemas que resuelven los sistemas inteligentes consiste en la estimación de funciones, para lo cual se parte de un número finito de datos de un proceso y el objetivo es encontrar la función que mejor los modela. Dentro de los métodos de aprendizaje, los métodos de optimización, como el descenso de gradiente y el gradiente conjugado, han sido tradicionalmente utilizados en este tipo de problemas, con ventajas como la sencillez en los primeros y la rapidez de convergencia en los segundos. De acuerdo con el principio de simplicidad, se escoge el método que sea más sencillo, pero a la vez el más preciso, de tal forma que ninguno de los dos puede a priori considerarse rotundamente mejor que el otro, porque no satisface simultáneamente las dos condiciones. En este trabajo se evalúan los dos métodos en la estimación de funciones lineales y cuadráticas y se proponen mejoras con el objetivo de proporcionar un método que sea el mejor en términos de "simplicidad".
Affiliate Program     

Tango Rapperswil
Tango Rapperswil