Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción
Una red bayesiana es un grafo acíclico dirigido en el que cada nodo representa una variable y cada arco una dependencia probabilística. Son utilizadas para proveer una forma compacta de representar el conocimiento y métodos flexibles de razonamiento. El obtener una red bayesiana a partir de datos, e...
Guardado en:
Autores principales: | , , , , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2003
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/22638 |
Aporte de: |
id |
I19-R120-10915-22638 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Learning Redes Bayesianas Model classification Aprendizaje por Inducción Optimization Clasificación |
spellingShingle |
Ciencias Informáticas Learning Redes Bayesianas Model classification Aprendizaje por Inducción Optimization Clasificación Felgaer, P. Britos, Paola Verónica Sicre, J. Servetto, Arturo Carlos García Martínez, Ramón Perichinsky, Gregorio Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción |
topic_facet |
Ciencias Informáticas Learning Redes Bayesianas Model classification Aprendizaje por Inducción Optimization Clasificación |
description |
Una red bayesiana es un grafo acíclico dirigido en el que cada nodo representa una variable y cada arco una dependencia probabilística. Son utilizadas para proveer una forma compacta de representar el conocimiento y métodos flexibles de razonamiento. El obtener una red bayesiana a partir de datos, es un proceso de aprendizaje que se divide en dos etapas: el aprendizaje estructural y el aprendizaje paramétrico. En este trabajo, se define un método de aprendizaje que optimiza las redes bayesianas aplicadas a clasificación, mediante la utilización de un método de aprendizaje híbrido que combina las ventajas de las técnicas de inducción de los árboles de decisión (TDIDT-C4.5) con las de las redes bayesianas |
format |
Objeto de conferencia Objeto de conferencia |
author |
Felgaer, P. Britos, Paola Verónica Sicre, J. Servetto, Arturo Carlos García Martínez, Ramón Perichinsky, Gregorio |
author_facet |
Felgaer, P. Britos, Paola Verónica Sicre, J. Servetto, Arturo Carlos García Martínez, Ramón Perichinsky, Gregorio |
author_sort |
Felgaer, P. |
title |
Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción |
title_short |
Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción |
title_full |
Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción |
title_fullStr |
Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción |
title_full_unstemmed |
Optimización de redes bayesianas basado en técnicas de aprendizaje por inducción |
title_sort |
optimización de redes bayesianas basado en técnicas de aprendizaje por inducción |
publishDate |
2003 |
url |
http://sedici.unlp.edu.ar/handle/10915/22638 |
work_keys_str_mv |
AT felgaerp optimizacionderedesbayesianasbasadoentecnicasdeaprendizajeporinduccion AT britospaolaveronica optimizacionderedesbayesianasbasadoentecnicasdeaprendizajeporinduccion AT sicrej optimizacionderedesbayesianasbasadoentecnicasdeaprendizajeporinduccion AT servettoarturocarlos optimizacionderedesbayesianasbasadoentecnicasdeaprendizajeporinduccion AT garciamartinezramon optimizacionderedesbayesianasbasadoentecnicasdeaprendizajeporinduccion AT perichinskygregorio optimizacionderedesbayesianasbasadoentecnicasdeaprendizajeporinduccion |
bdutipo_str |
Repositorios |
_version_ |
1764820466158010371 |