Hay dos corrientes fundamentales en el aprendizaje automático a partir de ejemplos: los sitemas que tratan de sintetizar reglas ( u otros mecanismo equivalentes) capaces de clasificar casos no vistos en un conjunto finito de categorías discretas, y los algoritmos que persiguen la inducción de funicones, En esta tesis se combinan los dos plantemaientos para obtener un nuevo método capaz de aprender funciones y que usa, como una herramienta central, unsistema de aprendizaje automático de categorías discretas. El resutlado es un mecanimos capaza de manejar de manera natural tanto atributos con valores discretos como continuos y conluyendo funciones parcialmente definidas por aplicaciones lineales a partir de un subconjunto de atributos numéricos del dominio.
El sistema así obtenido se llama SAFE, un acrónimo de Sistema de Aprendizaje de Funciones a partir de ejemplos, es comparado con éxito con algoritmos de reconocido prestigio diseñados para llevar a cabo esta tarea.
© 2008-2024 Fundación Dialnet · Todos los derechos reservados