Saltar navegación e ir al contenido principal

Estás filtrando por

Se encontraron 110737 resultados en recursos

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Los datos de velocidad del tráfico juegan un papel clave en los Sistemas Inteligentes de Transporte (STI); sin embargo, la falta de datos de tráfico afectaría al rendimiento de los STI, así como a los Sistemas Avanzados de Información al Viajero (ATIS). En este artículo, tratamos este problema mediante un novedoso enfoque de imputación basado en un tensor. Específicamente, se adopta un patrón tensorial para modelar los datos de velocidad del tráfico y luego se emplea el método de compleción tensorial de alta precisión y bajo rango (HaLRTC) para estimar los datos de velocidad del tráfico que faltan. Este método propuesto es capaz de recuperar las entradas que faltan a partir de las entradas dadas, que pueden ser ruidosas, considerando la severa fluctuación de los datos de velocidad del tráfico en comparación con el volumen de tráfico. El método propuesto se evalúa en la base de datos del Sistema de Medición del Rendimiento (PeMS), y los resultados experimentales muestran la superioridad del enfoque propuesto sobre los enfoques de referencia del estado de la técnica.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

La información relevante para la toma de decisiones en el mundo real suele ser parcialmente fiable. Las razones son la fiabilidad parcial de la fuente de información, las percepciones erróneas, los sesgos psicológicos, la incompetencia, etc. La formalización de la información basada en números Z (información Z) representa un valor basado en el lenguaje natural (NL) de una variable de interés en línea con la fiabilidad basada en el NL. Lo importante es que la información Z no sólo es la representación más general de la información imperfecta del mundo real, sino que también tiene el mayor poder descriptivo desde el punto de vista de la percepción humana en comparación con los números difusos. En este estudio, presentamos un enfoque para la toma de decisiones bajo información Z basado en el cálculo directo sobre números Z. Este enfoque utiliza el paradigma de la utilidad esperada y se aplica a un problema de decisión de referencia en el campo de la economía.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

El diseño de redes neuronales artificiales (RNA) es una tarea compleja porque su rendimiento depende de la arquitectura, la función de transferencia seleccionada y el algoritmo de aprendizaje utilizado para entrenar el conjunto de pesos sinápticos. En este trabajo presentamos una metodología que diseña automáticamente una RNA utilizando algoritmos de optimización de enjambre de partículas como la Optimización Básica de Enjambre de Partículas (PSO), la Segunda Generación de Optimización de Enjambre de Partículas (SGPSO), y un Nuevo Modelo de PSO llamado NMPSO. El objetivo de estos algoritmos es evolucionar, al mismo tiempo, los tres componentes principales de una RNA: el conjunto de pesos sinápticos, las conexiones o arquitectura, y las funciones de transferencia de cada neurona. Se han propuesto ocho funciones de aptitud diferentes para evaluar la aptitud de cada solución y encontrar el mejor diseño. Estas funciones se basan en el error cuadrático medio (MSE) y el error de clasificación (CER) e implementan una estrategia para evitar el sobreentrenamiento y reducir el número de conexiones en la RNA. Además, la RNA diseñada con la metodología propuesta se compara con las diseñadas manualmente utilizando los conocidos algoritmos de aprendizaje Back-Propagation y Levenberg-Marquardt. Finalmente, se comprueba la precisión del método con diferentes problemas de clasificación de patrones no lineales.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Para mejorar la velocidad de convergencia y la precisión de optimización del algoritmo de búsqueda de cuco (CS) para resolver los problemas de optimización de funciones, se propone un nuevo algoritmo de búsqueda de cuco mejorado basado en el autoaprendizaje asintótico de ciclos repetidos y la perturbación autoevolutiva (RC-SSCS). Se añade una operación de perturbación en el algoritmo mediante la construcción de un factor de perturbación para realizar una búsqueda más cuidadosa y exhaustiva cerca de la ubicación de los nidos de las aves. Con el fin de seleccionar un número razonable de perturbaciones repetidas, se realiza un estudio adicional sobre la elección de los tiempos de perturbación. Por último, se adoptan seis funciones de prueba típicas para llevar a cabo experimentos de simulación, mientras que se comparan los algoritmos de este trabajo con dos algoritmos típicos de inteligencia de enjambre: el algoritmo de optimización de enjambre de partículas (PSO) y el algoritmo de colonia artificial de abejas (ABC). Los resultados muestran que el algoritmo de búsqueda de cuco mejorado tiene mejor velocidad de convergencia y precisión de optimización.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

El problema de pasividad para una clase de sistemas de redes neuronales estocásticas (SNN) con retardo variable y retardo de fuga se ha estudiado más a fondo en este trabajo. Mediante la construcción de un funcional de Lyapunov más efectivo, empleando el enfoque de la matriz de ponderación libre, y combinando con la técnica de desigualdades integrales y la teoría del análisis estocástico, se han propuesto las condiciones dependientes del retardo de forma que las SNNs son asintóticamente estables con un rendimiento garantizado. El retardo variable en el tiempo se divide en varios subintervalos y se introducen dos parámetros ajustables; se utiliza más información sobre el retardo temporal y se obtienen resultados menos conservadores. Se proporcionan ejemplos para ilustrar el menor conservadurismo del método propuesto y se hacen simulaciones para mostrar el impacto del retardo de fuga en la estabilidad de las SNN.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Clasificar eventos es un reto en Twitter porque los textos de los tweets tienen una gran cantidad de datos temporales con mucho ruido y varios tipos de temas. En este artículo, proponemos un método para clasificar los eventos de Twitter. En primer lugar, encontramos los términos distintivos entre los tweets de los eventos y medimos sus similitudes con modelos de lenguaje de aprendizaje como ConceptNet y un método de asignación de Dirichlet latente para las preferencias de selección (LDA-SP), que han sido ampliamente estudiados sobre la base de grandes corpus de texto dentro de las relaciones lingüísticas computacionales. La relación de las palabras de los términos en los tweets se descubrirá comprobándolas bajo cada modelo. A continuación, propusimos un método para calcular la similitud entre los tweets basado en las características de los tweets, incluidas las palabras de término comunes y las relaciones entre sus palabras de término distintivas. Será explícito y conveniente para aplicarlo a las técnicas de k-nearest neighbor para la clasificación. Aplicamos cuidadosamente experimentos en el Corpus de Twitter de Edimburgo para demostrar que nuestro método logra resultados competitivos para clasificar eventos.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Dado que los conjuntos de datos del mundo real suelen contener grandes instancias, resulta significativo desarrollar un algoritmo de aprendizaje de instancias múltiples (MIL) eficiente y eficaz. Como paradigma de aprendizaje, el MIL es diferente del aprendizaje supervisado tradicional que maneja la clasificación de bolsas que comprenden instancias no etiquetadas. En este trabajo, se propone un nuevo método eficiente basado en la máquina de aprendizaje extremo (ELM) para abordar el problema del MIL. En primer lugar, se selecciona la instancia más cualificada en cada bolsa a través de una red feedforward de una sola capa oculta (SLFN) cuyos pesos de entrada y salida se inician aleatoriamente, y la única instancia seleccionada se utiliza para representar cada bolsa. En segundo lugar, el modelo ELM modificado se entrena utilizando las instancias seleccionadas para actualizar los pesos de salida. Los experimentos con varios conjuntos de datos de referencia y conjuntos de datos de regresión de instancias múltiples muestran que el ELM-MIL consigue un buen rendimiento; además, funciona varias veces o incluso cientos de veces más rápido que otros algoritmos MIL similares.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

El método RNA se ha aplicado mediante redes neuronales multicapa (MLFN) utilizando diferentes variables macroeconómicas como el tipo de cambio del USD/TRY, los precios del oro y el índice Borsa Istanbul (BIST) 100 basado en datos mensuales durante el periodo de enero de 2000 y septiembre de 2014 para Turquía. También se ha aplicado el método autorregresivo vectorial (VAR) con las mismas variables para el mismo periodo de tiempo. En este estudio, a diferencia de otros estudios realizados hasta el momento, se ha utilizado el marco de aprendizaje automático ENCOG junto con el lenguaje de programación JAVA para constituir la RNA. El entrenamiento de la red se ha realizado mediante el método de propagación resistente. Las estimaciones ex post y ex ante obtenidas por el método de la RNA se han comparado con los resultados obtenidos por el método de previsión econométrica del VAR. Sorprendentemente, nuestros resultados basados en el método RNA revelan que existe la posibilidad de que se produzcan dificultades financieras o una crisis financiera en Turquía a partir de octubre de 2017. Los resultados que se obtuvieron con el método del VAR también respaldan los resultados del método de la RNA. Además, nuestros resultados indican que el método RNA tiene un rendimiento de predicción más superior que el método VAR.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

El clasificador de máxima verosimilitud (MLC) y las máquinas de vectores de apoyo (SVM) son dos enfoques comúnmente utilizados en el aprendizaje automático. El MLC se basa en la teoría bayesiana para estimar los parámetros de un modelo probabilístico, mientras que la SVM es un método no paramétrico basado en la optimización en este contexto. Recientemente, se ha descubierto que la SVM en algunos casos es equivalente a la MLC en el modelado probabilístico del proceso de aprendizaje. En este trabajo, MLC y SVM se combinan en el aprendizaje y la clasificación, lo que ayuda a obtener una salida probabilística para SVM y facilitar la toma de decisiones suaves. En total se utilizan cuatro grupos de datos para las evaluaciones, que abarcan el sonar, el vehículo, el cáncer de mama y las secuencias de ADN. Las muestras de datos se caracterizan en términos de distribución gaussiana/no gaussiana y de muestras equilibradas/no equilibradas, que luego se utilizan para evaluar el rendimiento al comparar el clasificador SVM y el combinado SVM-MLC. Se presentan resultados interesantes que indican cómo puede funcionar el clasificador combinado en diversas condiciones.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

En los últimos años se han realizado numerosas mejoras en las grabaciones con múltiples electrodos (es decir, grabaciones paralelas de picos) y en la clasificación de picos, hasta el punto de que hoy en día es posible monitorizar la actividad de hasta cientos de neuronas simultáneamente. Gracias a estas mejoras, ahora es potencialmente posible identificar la actividad de ensamblaje (entendida a grandes rasgos como un pico sincrónico significativo de un grupo de neuronas) a partir de estas grabaciones, lo que -si se puede demostrar de forma fiable- mejoraría significativamente nuestra comprensión de la actividad neuronal y la codificación neuronal. Sin embargo, quedan varios problemas metodológicos al intentar hacerlo y, entre ellos, uno de los principales es la explosión combinatoria a la que uno se enfrenta al considerar todos los posibles conjuntos neuronales, ya que en principio cada subconjunto de las neuronas registradas constituye un conjunto candidato para un conjunto. Presentamos varias pruebas estadísticas para identificar las neuronas de ensamblaje (es decir, las neuronas que participan en un ensamblaje neuronal) a partir de trenes de picos paralelos con el objetivo de reducir el conjunto de neuronas a un subconjunto relevante de las mismas y facilitar así la tarea de identificar los ensamblajes neuronales en análisis posteriores. Estas pruebas son una mejora de las introducidas en el trabajo de Berger et al. (2010) basadas en características adicionales como el peso de las espigas o el solapamiento por pares y en formas alternativas de identificar las coincidencias de espigas (por ejemplo, evitando el binning temporal, que tiende a perder información).

Fuente: Revista Virtual Pro Formatos de contenido: Otros