top

  Info

  • Utilizzare la checkbox di selezione a fianco di ciascun documento per attivare le funzionalità di stampa, invio email, download nei formati disponibili del (i) record.

  Info

  • Utilizzare questo link per rimuovere la selezione effettuata.

Biblioteca

MARC Lista (tabellare)
Inteligencia artificial avanzada / / Raúl Benítez [y otros 3]
Inteligencia artificial avanzada / / Raúl Benítez [y otros 3]
Pubbl/distr/stampa Barcelona : , : Editorial UOC, , 2013
Descrizione fisica 1 online resource (297 p.)
Disciplina 006.3
Altri autori (Persone) BenítezRaúl
Collana Manuales
Soggetto topico Artificial intelligence
Inteligencia artificial
ISBN 84-9064-000-9
Formato Materiale a stampa
Livello bibliografico Monografia
Lingua di pubblicazione spa
Nota di contenuto Inteligencia artificial avanzada; Página legal; Autores; Índice; Capítulo I. Introducción a la inteligencia artificial; 1.Neuronas y transistores; 2.Breve historia de la IA; 3. Ámbitos de aplicación de la inteligencia artificial; Capítulo II. Recomendadores y agrupamientos; 1. Métricas y medidas de similitud; 1.1. Ejemplo de aplicación; 1.2. Distancia euclídea; 1.3. Correlación de Pearson; 1.4. Procesamiento de datos reales; 1.5. Conclusiones; 2.Recomendadores basados en memoria; 2.1. Conceptos generales; 2.2. Aproximaciones simples; 2.3. Recomendación ponderada; 2.4. Conclusiones
3. Algoritmos de agrupamiento (clustering)3.1. Ejemplo de aplicación; 3.2. Conceptos generales; 3.3. Agrupamiento jerárquico. Dendrogramas; 3.4. k-medios (kmeans); 3.5. c-medios difuso (Fuzzy c-means); 3.6. Agrupamiento espectral (spectral clustering); 3.7. Recomendadores basados en modelos; Capítulo III. Extracción y selección de atributos; 1. Técnicas de factorización matricial; 1.1. Descomposición en valores singulares (SVD); 1.2. Análisis de componentes principales (PCA); 1.3. Análisis de componentes independientes (ICA); 1.4. Factorización de matrices no-negativas (NMF)
2. Discriminación de datos en clases2.1. Análisis de discriminantes lineales (LDA); 3.Visualización de datos mutidimensionales; 3.1. Escalamiento multidimensional (MDS); Capítulo IV. Clasificación; 1. Introducción; 1.1. Categorización de textos; 1.2. Aprendizaje automático para clasificación; 1.3. Tipología de algoritmos para clasificación; 2. Métodos basados en modelos probabilísticos; 2.1. Naïve Bayes; 2.2. Máxima entropía; 3. Métodos basados en distancias; 3.1. kNN; 3.2. Clasificador lineal basado en distancias; 3.3. Clustering dentro de clases; 4. Métodos basados en reglas
4.1. Árboles de decisión4.2. AdaBoost; 5. Clasificadores lineales y métodos basados en kernels; 5.1. Clasificador lineal basado en producto escalar; 5.2. Clasificador lineal con kernel; 5.3. Kernels para tratamiento de textos; 5.4. Máquinas de vectores de soporte; 6. Protocolos de test; 6.1. Protocolos de validación; 6.2. Medidas de evaluación; 6.3. Tests estadísticos; 6.4. Comparativa de clasificadores; Capítulo V. Optimización; 1. Introducción; 1.1. Tipología de los métodos de optimización; 1.2. Características de los metaheurísticos de optimización
2. Optimización mediante multiplicadores de Lagrange2.1. Descripción del método; 2.2. Ejemplo de aplicación; 2.3. Análisis del método; 3. Recocción simulada; 3.1. Descripción del método; 3.2. Ejemplo de aplicación; 3.3. Análisis del método; 3.4. Código fuente en Python; 4. Algoritmos genéticos; 4.1. Descripción del método; 4.2. Ampliaciones y mejoras; 4.3. Ejemplo de aplicación; 4.4. Análisis del método; 4.5. Código fuente en Python; 5. Colonias de hormigas; 5.1. Descripción del método; 5.2. Ejemplo de aplicación; 5.3. Análisis del método; 5.4. Código fuente en Python
6. Optimización con enjambres de partículas
Record Nr. UNINA-9910789257203321
Barcelona : , : Editorial UOC, , 2013
Materiale a stampa
Lo trovi qui: Univ. Federico II
Opac: Controlla la disponibilità qui
Inteligencia artificial avanzada / / Raúl Benítez [y otros 3]
Inteligencia artificial avanzada / / Raúl Benítez [y otros 3]
Pubbl/distr/stampa Barcelona : , : Editorial UOC, , 2013
Descrizione fisica 1 online resource (297 p.)
Disciplina 006.3
Altri autori (Persone) BenítezRaúl
Collana Manuales
Soggetto topico Artificial intelligence
Inteligencia artificial
ISBN 84-9064-000-9
Formato Materiale a stampa
Livello bibliografico Monografia
Lingua di pubblicazione spa
Nota di contenuto Inteligencia artificial avanzada; Página legal; Autores; Índice; Capítulo I. Introducción a la inteligencia artificial; 1.Neuronas y transistores; 2.Breve historia de la IA; 3. Ámbitos de aplicación de la inteligencia artificial; Capítulo II. Recomendadores y agrupamientos; 1. Métricas y medidas de similitud; 1.1. Ejemplo de aplicación; 1.2. Distancia euclídea; 1.3. Correlación de Pearson; 1.4. Procesamiento de datos reales; 1.5. Conclusiones; 2.Recomendadores basados en memoria; 2.1. Conceptos generales; 2.2. Aproximaciones simples; 2.3. Recomendación ponderada; 2.4. Conclusiones
3. Algoritmos de agrupamiento (clustering)3.1. Ejemplo de aplicación; 3.2. Conceptos generales; 3.3. Agrupamiento jerárquico. Dendrogramas; 3.4. k-medios (kmeans); 3.5. c-medios difuso (Fuzzy c-means); 3.6. Agrupamiento espectral (spectral clustering); 3.7. Recomendadores basados en modelos; Capítulo III. Extracción y selección de atributos; 1. Técnicas de factorización matricial; 1.1. Descomposición en valores singulares (SVD); 1.2. Análisis de componentes principales (PCA); 1.3. Análisis de componentes independientes (ICA); 1.4. Factorización de matrices no-negativas (NMF)
2. Discriminación de datos en clases2.1. Análisis de discriminantes lineales (LDA); 3.Visualización de datos mutidimensionales; 3.1. Escalamiento multidimensional (MDS); Capítulo IV. Clasificación; 1. Introducción; 1.1. Categorización de textos; 1.2. Aprendizaje automático para clasificación; 1.3. Tipología de algoritmos para clasificación; 2. Métodos basados en modelos probabilísticos; 2.1. Naïve Bayes; 2.2. Máxima entropía; 3. Métodos basados en distancias; 3.1. kNN; 3.2. Clasificador lineal basado en distancias; 3.3. Clustering dentro de clases; 4. Métodos basados en reglas
4.1. Árboles de decisión4.2. AdaBoost; 5. Clasificadores lineales y métodos basados en kernels; 5.1. Clasificador lineal basado en producto escalar; 5.2. Clasificador lineal con kernel; 5.3. Kernels para tratamiento de textos; 5.4. Máquinas de vectores de soporte; 6. Protocolos de test; 6.1. Protocolos de validación; 6.2. Medidas de evaluación; 6.3. Tests estadísticos; 6.4. Comparativa de clasificadores; Capítulo V. Optimización; 1. Introducción; 1.1. Tipología de los métodos de optimización; 1.2. Características de los metaheurísticos de optimización
2. Optimización mediante multiplicadores de Lagrange2.1. Descripción del método; 2.2. Ejemplo de aplicación; 2.3. Análisis del método; 3. Recocción simulada; 3.1. Descripción del método; 3.2. Ejemplo de aplicación; 3.3. Análisis del método; 3.4. Código fuente en Python; 4. Algoritmos genéticos; 4.1. Descripción del método; 4.2. Ampliaciones y mejoras; 4.3. Ejemplo de aplicación; 4.4. Análisis del método; 4.5. Código fuente en Python; 5. Colonias de hormigas; 5.1. Descripción del método; 5.2. Ejemplo de aplicación; 5.3. Análisis del método; 5.4. Código fuente en Python
6. Optimización con enjambres de partículas
Record Nr. UNINA-9910811281703321
Barcelona : , : Editorial UOC, , 2013
Materiale a stampa
Lo trovi qui: Univ. Federico II
Opac: Controlla la disponibilità qui