Nuevos modelos de redes neuronales competitivas basadas en análisis de componentes principales

• Autores: Juan Miguel Ortiz de Lazcano Lobato
• Directores de la Tesis: Ezequiel López Rubio (dir. tes.) , José Muñoz Pérez (dir. tes.)
• Lectura: En la Universidad de Málaga ( España ) en 2007
• Idioma: español
• Tribunal Calificador de la Tesis: Miguel Delgado Calvo-Flores (presid.) , José Antonio Gómez Ruiz (secret.) , Armando Blanco Morón (voc.) , César Hervás Martínez (voc.) , David Alberto Elizondo Giménez (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • El Análisis de Componentes Principales local es una técnica de gran utilidad para tratar un conjunto de datos de gran dimensión, con el objetivo de reducir su tamaño a unas pocas componentes significativas y evitar, de esa manera, la maldición de la dimensionalidad, El presente trabajo desarrolla varios sistemas neuronales on supervisados (dos competitivos y no autoorganizado) donde cada neurona es capaz de realizar un Análisis de componentes Principales sobre las muestras pertenecientes a su campo receptivo. De esta forma se consigue una mayor capacidad de representación de estos nuevos modelos con respecto a los modelos competitivo y autoorganizado clásicos. Se comprueba empíricamente como dichos novedosos modelos presentan un buen rendimiento cuando se aplican al problema de reducción de la dimensión de un conjunto de datos.