Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.12104/80726
Title: Máquinas de Vector Soporte Entrenadas con Algortimos Evolutivos Empleando Kernel Adatron para Clasificación a Gran Escala
Author: Gallegos Muro, Alberto Alejandro
Advisor/Thesis Advisor: Arana Daniel, Nancy Guadalupe
López Franco, Carlos Alberto
Editors: CUCEI
Universidad de Guadalajara
Career: DOCTOR EN CIENCIAS DE LA ELECTRÓNICA Y LA COMPUTACIÓN
Issue Date: 2016
Publisher: Biblioteca Digital wdg.biblio
Universidad de Guadalajara
Abstract: Resumen Con el incremento en el poder computacional, la cantidad de datos a ser procesados en pequeños periodos de tiempo ha crecido exponencialmente, esto junto con la importancia de clasificar datos a gran escala de manera eficiente. Las máquinas de vector soporte han generado buenos resultados al clasificar grandes cantidades de datos con alta dimensionalidad, tal como los datos generados por predicción de estructuras de proteínas, reconocimiento de correo basura, diagnosis médico, reconocimiento óptico de caracteres, clasificación de texto, etc. La mayoría de los enfoques del estado del arte para aprendizaje a gran escala usan métodos de optimización tradicionales, como programación cuadrática y gradiente descendente, lo que hace que el uso de algoritmos evolutivos para entrenar máquinas de vector soporte para clasificación a gran escala un área a ser explorada. La presente tesis propone un enfoque que resulta fácil de implementar, paralelizable y con una complejidad computacional lineal, basado en algoritmos evolutivos y Kernel-Adatron para resolver problemas de clasificación a gran escala.
URI: http://wdg.biblio.udg.mx
https://hdl.handle.net/20.500.12104/80726
Appears in Collections:CUCEI

Files in This Item:
File SizeFormat 
DCUCEI00074FT.pdf29.87 MBAdobe PDFView/Open


Items in RIUdeG are protected by copyright, with all rights reserved, unless otherwise indicated.