Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial

El Aprendizaje de Máquinas es un tema de gran interés que ha ido creciendo en los últimos años y del que tenemos referencia a partir de la ciencia ficción. En este momento, se habla de aprendizaje de máquinas como algo natural, a pesar de ser un objetivo que todavía parece ser lejano. Las llamadas M...

Full description

Autores:
Sánchez Gómez, Laura
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2012
Institución:
Pontificia Universidad Javeriana
Repositorio:
Repositorio Universidad Javeriana
Idioma:
spa
OAI Identifier:
oai:repository.javeriana.edu.co:10554/11766
Acceso en línea:
http://hdl.handle.net/10554/11766
Palabra clave:
Espacio de Hilbert
Algoritmos (Computadores)
Matemáticas - Tesis y disertaciones académicas
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional
id JAVERIANA2_82735a425c3a8df5f720681fca79ec51
oai_identifier_str oai:repository.javeriana.edu.co:10554/11766
network_acronym_str JAVERIANA2
network_name_str Repositorio Universidad Javeriana
repository_id_str
dc.title.spa.fl_str_mv Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
title Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
spellingShingle Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
Espacio de Hilbert
Algoritmos (Computadores)
Matemáticas - Tesis y disertaciones académicas
title_short Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
title_full Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
title_fullStr Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
title_full_unstemmed Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
title_sort Teoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorial
dc.creator.fl_str_mv Sánchez Gómez, Laura
dc.contributor.advisor.none.fl_str_mv Chacón Pérez, Gerardo Román
dc.contributor.author.none.fl_str_mv Sánchez Gómez, Laura
dc.subject.armarc.spa.fl_str_mv Espacio de Hilbert
Algoritmos (Computadores)
Matemáticas - Tesis y disertaciones académicas
topic Espacio de Hilbert
Algoritmos (Computadores)
Matemáticas - Tesis y disertaciones académicas
description El Aprendizaje de Máquinas es un tema de gran interés que ha ido creciendo en los últimos años y del que tenemos referencia a partir de la ciencia ficción. En este momento, se habla de aprendizaje de máquinas como algo natural, a pesar de ser un objetivo que todavía parece ser lejano. Las llamadas Máquinas de Soporte Vectorial, surgen como una posible manera de desarrollar el aprendizaje en máquinas, siendo un método novedoso en la clasificación de datos. La teoría del aprendizaje de máquinas comenzó a crecer a partir de 1900, donde empezaron a surgir diferentes técnicas de aprendizaje que promovieron el desarrollo del concepto. Las máquinas de soporte vectorial pueden ser vistas como una aplicación del Análisis Funcional, que surgió como un nuevo grupo de algoritmos de aprendizaje, y tiene sus raíces en la Teoría del Aprendizaje Estadístico. La Teoría del Aprendizaje Estadístico fue desarrollada por los matemáticos rusos Vladimir Vapnik y Alexey Chervonenkis en 1974. Más adelante, en 1992, Vapnik, Isabelle Guyon, Bernhardt E. Boser presentaron en la conferencia sobre Teoría del Aprendizaje Computacional (COLT) una investigación acerca de algoritmos muy similares a los que hoy se denominan Máquinas de Soporte Vectorial. A partir de entonces, a nivel mundial existe mucha gente trabajando en el tema, el cual ha ido adquiriendo importancia con diferentes aplicaciones en campos como las finanzas, la bioinformática y la genética entre otros
publishDate 2012
dc.date.created.none.fl_str_mv 2012
dc.date.accessioned.none.fl_str_mv 2015-01-17T20:46:39Z
2016-03-29T14:27:45Z
2020-04-16T18:34:49Z
dc.date.available.none.fl_str_mv 2015-01-17T20:46:39Z
2016-03-29T14:27:45Z
2020-04-16T18:34:49Z
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.spa.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/10554/11766
dc.identifier.instname.spa.fl_str_mv instname:Pontificia Universidad Javeriana
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional - Pontificia Universidad Javeriana
dc.identifier.repourl.spa.fl_str_mv repourl:https://repository.javeriana.edu.co
url http://hdl.handle.net/10554/11766
identifier_str_mv instname:Pontificia Universidad Javeriana
reponame:Repositorio Institucional - Pontificia Universidad Javeriana
repourl:https://repository.javeriana.edu.co
dc.language.iso.spa.fl_str_mv spa
language spa
dc.rights.licence.*.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
dc.rights.uri.*.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.coar.spa.fl_str_mv http://purl.org/coar/access_right/c_abf2
rights_invalid_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional
http://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.spa.fl_str_mv PDF
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Pontificia Universidad Javeriana
dc.publisher.program.spa.fl_str_mv Matemáticas
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencias
institution Pontificia Universidad Javeriana
bitstream.url.fl_str_mv http://repository.javeriana.edu.co/bitstream/10554/11766/1/SanchezGomezLaura2012.pdf
http://repository.javeriana.edu.co/bitstream/10554/11766/2/SanchezGomezLaura2012.pdf.jpg
bitstream.checksum.fl_str_mv b4f9b022d349e1f6b09ba9ad72bbf61d
a78ce43421ce33094b49c1243859aae3
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositorio Institucional - Pontificia Universidad Javeriana
repository.mail.fl_str_mv repositorio@javeriana.edu.co
_version_ 1808389345928806400
spelling Atribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, “Los derechos morales sobre el trabajo son propiedad de los autores”, los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.http://purl.org/coar/access_right/c_abf2Chacón Pérez, Gerardo RománSánchez Gómez, Laura2015-01-17T20:46:39Z2016-03-29T14:27:45Z2020-04-16T18:34:49Z2015-01-17T20:46:39Z2016-03-29T14:27:45Z2020-04-16T18:34:49Z2012http://hdl.handle.net/10554/11766instname:Pontificia Universidad Javerianareponame:Repositorio Institucional - Pontificia Universidad Javerianarepourl:https://repository.javeriana.edu.coEl Aprendizaje de Máquinas es un tema de gran interés que ha ido creciendo en los últimos años y del que tenemos referencia a partir de la ciencia ficción. En este momento, se habla de aprendizaje de máquinas como algo natural, a pesar de ser un objetivo que todavía parece ser lejano. Las llamadas Máquinas de Soporte Vectorial, surgen como una posible manera de desarrollar el aprendizaje en máquinas, siendo un método novedoso en la clasificación de datos. La teoría del aprendizaje de máquinas comenzó a crecer a partir de 1900, donde empezaron a surgir diferentes técnicas de aprendizaje que promovieron el desarrollo del concepto. Las máquinas de soporte vectorial pueden ser vistas como una aplicación del Análisis Funcional, que surgió como un nuevo grupo de algoritmos de aprendizaje, y tiene sus raíces en la Teoría del Aprendizaje Estadístico. La Teoría del Aprendizaje Estadístico fue desarrollada por los matemáticos rusos Vladimir Vapnik y Alexey Chervonenkis en 1974. Más adelante, en 1992, Vapnik, Isabelle Guyon, Bernhardt E. Boser presentaron en la conferencia sobre Teoría del Aprendizaje Computacional (COLT) una investigación acerca de algoritmos muy similares a los que hoy se denominan Máquinas de Soporte Vectorial. A partir de entonces, a nivel mundial existe mucha gente trabajando en el tema, el cual ha ido adquiriendo importancia con diferentes aplicaciones en campos como las finanzas, la bioinformática y la genética entre otrosMatemático (a)PregradoPDFapplication/pdfspaPontificia Universidad JaverianaMatemáticasFacultad de CienciasTeoría de núcleos reproductivos en espacios de Hilbert y aplicaciones a máquinas de soporte vectorialTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisEspacio de HilbertAlgoritmos (Computadores)Matemáticas - Tesis y disertaciones académicasORIGINALSanchezGomezLaura2012.pdfapplication/pdf550997http://repository.javeriana.edu.co/bitstream/10554/11766/1/SanchezGomezLaura2012.pdfb4f9b022d349e1f6b09ba9ad72bbf61dMD51open accessTHUMBNAILSanchezGomezLaura2012.pdf.jpgIM Thumbnailimage/jpeg3388http://repository.javeriana.edu.co/bitstream/10554/11766/2/SanchezGomezLaura2012.pdf.jpga78ce43421ce33094b49c1243859aae3MD52open access10554/11766oai:repository.javeriana.edu.co:10554/117662022-05-03 08:45:14.291Repositorio Institucional - Pontificia Universidad Javerianarepositorio@javeriana.edu.co