Kernel-Based Approaches to AnalyzeTime-Varying Data

El desarrollo de sistemas de aprendizaje máquina utilizando datos variantes en el tiempo requiere considerar la propiedades estacionarias y lineales de los datos de entrada. En éste trabajo, algunas aproximaciones Kernel son presentadas para revelar las dinámicas principales de los datos, mejorando así el rendimiento en el agrupamiento y la clasificación. En éste sentido, un enfoque de descomposición de datos basado en representaciones Kernel y análisis de relevancia es desarrollado para capturar las dinámicas principales de datos variantes en el tiempo. Además, una metodología de representacion de los datos basada en filtros adaptativos Kernel es propuesta para inferir la estructura temporal así como las relaciones no lineales entre las muestras. La metodología propuesta, revela las dinámicas principales de series de tiempo de múltiples canales codificando dependencias entre canales a lo largo del tiempo. Finalmente, un nuevo esquema de filtro adaptativo cuantizado es construído como una herramienta para mejorar el rendimiento de la metodología propuesta de representación de los datos. Nuestra estrategia de cuantización considera las relaciones de los datos de entrada y el rendimiento del filtro adaptativo. Los enfoques Kernel propuestos son validados en datos sintéticos y bases de datos reales. Por lo cual, algunos análisis de actividades humanas son llevados a cabo utilizando bases de datos Motion Capture. Además, bases de datos de actividad cerebral son utilizadas para soportar tareas de BMI. En general, nuestros enfoques son eficientes y competitivos para soportar procedimientos de aprendizaje máquina y para resaltar las dinámicas principales de datos variantes en el tiempo

• Autores: García Vega, Sergio
• Fecha de publicación: 2014
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/75115
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/75115; http://bdigital.unal.edu.co/39622/
• Palabra clave: 0 Generalidades / Computer science, information and general works; 51 Matemáticas / Mathematics; 62 Ingeniería y operaciones afines / Engineering; Representaciones Kernel; Análisis de relevancia; Agrupamiento espectral; Aprendizaje adaptativo; Datos variantes en el tiempo; Kernel representations; Relevance analysis; Spectral clustering; Adaptive learning; Time-varying data; Multi-channel data
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional