Esquemas de representación de datos para problemas de aprendizaje activo
El elevado costo de etiquetado de los datos en diversas aplicaciones hace del aprendizaje activo una herramienta de gran importancia y como parte de esta herramienta se encuentran las técnicas de clustering. En particular el clustering espectral ha demostrado ser una técnica eficiente y practica en...
- Autores:
-
Prada Salcedo, Juan Pablo
- Tipo de recurso:
- Fecha de publicación:
- 2012
- Institución:
- Universidad de los Andes
- Repositorio:
- Séneca: repositorio Uniandes
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.uniandes.edu.co:1992/11558
- Acceso en línea:
- http://hdl.handle.net/1992/11558
- Palabra clave:
- Clusters (Sistemas computacionales) - Aplicaciones
Procesamiento electrónico de datos - Procesamiento distribuido
Telecomunicación en la educación - Investigaciones
Aprendizaje activo - Investigaciones
Ingeniería
- Rights
- openAccess
- License
- https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
| Summary: | El elevado costo de etiquetado de los datos en diversas aplicaciones hace del aprendizaje activo una herramienta de gran importancia y como parte de esta herramienta se encuentran las técnicas de clustering. En particular el clustering espectral ha demostrado ser una técnica eficiente y practica en diversos contextos. Este trabajo presenta un algoritmo de aprendizaje activo basado en clustering espectral. Se presenta la teoría que sustenta el algoritmo y los experimentos realizados sobre datos reales, para validar su funcionamiento. Finalmente se concluye que el algoritmo tiene un desempeño muy superior en comparación con el etiquetado aleatorio. |
|---|