Adaptación de arquitecturas profundas a problemas no estacionarios
En Aprendizaje Automatizado, la mayoría de los métodos de análisis de datos utilizados asumen como premisa básica la estacionaridad de los mismos (es decir, que el fenómeno bajo análisis no cambia en el tiempo). Sin embargo, muchos sistemas reales de gran interés práctico son claramente no estaciona...
Guardado en:
Autor principal: | Morelli, Leonardo R. |
---|---|
Otros Autores: | Grinblat, Guillermo L.; Granitto, Pablo M. |
Formato: | bachelorThesis tesis de grado publishedVersion |
Lenguaje: | Español |
Publicado: |
Facultad de Ciencias Exactas, Ingeniería y Agrimensura. Universidad Nacional de Rosario
2014
|
Materias: | |
Acceso en línea: | http://www.fceia.unr.edu.ar/lcc/t523/ http://hdl.handle.net/2133/3231 http://hdl.handle.net/2133/3231 |
Aporte de: |
Ejemplares similares
-
Predicción de Sistemas Dinámicos con Redes Neuronales Profundas
por: Maino, Daniel Gerardo
Publicado: (2014) -
Machine learning con Pytorch y Scikit-Learn : desarrollo de modelos machine learning y deep learning con Python /
por: Raschka, Sebastian
Publicado: (2023) -
Python machine learning : machine learning and deep learning with Python, Scikit-Learn, and TensorFlow 2 /
por: Raschka, Sebastian
Publicado: (2019) -
Generación de mapas de calor de un partido de básquetbol a partir del procesamiento de video
por: Bourlot, Jimena, et al.
Publicado: (2021) -
Introducción general a la psicología profunda /
por: Saurí, Jorge J
Publicado: (1962)