Unsupervised Learning Frameworks Using Kernel Based Representations

En este trabajo se proponen algunos esquemas de aprendizaje no supervisado usando representaciones basadas en Kernel. Nuestra meta es revelar apropiadamente estructuras relevantes en datos. Por lo tanto, proponemos una técnica que aproveche conocimiento previo por parte de un usuario, mejorando el desempeño de agrupamiento. Además, proponemos un esquema general capaz de resaltar patrones relevantes en los datos de entrada por medio de una compensación entre dos transformadores. Finalmente, proponemos una estrategia para la selección automática de parámetros haciendo uso de funciones de similitud/disimilitud y análisis de relevancia para revelar estructuras locales y globales en los datos para tareas de aprendizaje no supervisado, mejorando el desempeño en etapas posteriores de aprendizaje no supervisado

• Autores: Castro Ospina, Andrés Eduardo
• Fecha de publicación: 2014
• Institución: Universidad Nacional de Colombia
• Repositorio: Universidad Nacional de Colombia
• Idioma: spa
• OAI Identifier: oai:repositorio.unal.edu.co:unal/75096
• Acceso en línea: https://repositorio.unal.edu.co/handle/unal/75096; http://bdigital.unal.edu.co/39601/
• Palabra clave: 51 Matemáticas / Mathematics; 62 Ingeniería y operaciones afines / Engineering; Aprendizaje no supervisado; Función Kernel; Principio de relevancia; Agrupamiento; Representación en grafo; Función de transformación; Unsupervised learning; Kernel functions; Principle of relevance; Clustering; Graph representation; Mapping function
• Rights: openAccess
• License: Atribución-NoComercial 4.0 Internacional