Modelo de aprendizaje automático interpretable mediante cómputo granular
Navarro Almanza, Raúl Ignacio
Modelo de aprendizaje automático interpretable mediante cómputo granular [recurso electrónico] / Raúl Ignacio Navarro Almanza ; director, Juan R. Castro Rodríguez ; codirector, Mauricio A. Sanchez Herrera - Tijuana, Baja California, 2022 - Recurso en línea. (116 p.) : il.
Doctor en Ciencias.
Tesis (Doctorado) -- Universidad Autónoma de Baja California. Facultad de Ciencias Químicas e Ingeniería, Tijuana, 2022.
Incluye referencias bibliográficas (p. 109-116)
El aprendizaje automático interpretable está en tendencia, ya que tiene como objetivo construir un proceso de decisión comprensible para los humanos. Hay dos tipos principales de sistemas de aprendizaje automático: modelos de caja blanca y de caja negra. Los modelos de caja blanca son inherentemente interpretables, pero comúnmente sufren fenómenos de ajuste insuficiente; por otro lado, los modelos de caja negra funcionan bastante bien en una amplia gama de problemas de dominio de aplicación, pero su razonamiento detrás de una decisión es difícil o incluso imposible de entender.
Ciencia--Tesis y disertaciones académicas.
Q181.T4 / N382 2022
Modelo de aprendizaje automático interpretable mediante cómputo granular [recurso electrónico] / Raúl Ignacio Navarro Almanza ; director, Juan R. Castro Rodríguez ; codirector, Mauricio A. Sanchez Herrera - Tijuana, Baja California, 2022 - Recurso en línea. (116 p.) : il.
Doctor en Ciencias.
Tesis (Doctorado) -- Universidad Autónoma de Baja California. Facultad de Ciencias Químicas e Ingeniería, Tijuana, 2022.
Incluye referencias bibliográficas (p. 109-116)
El aprendizaje automático interpretable está en tendencia, ya que tiene como objetivo construir un proceso de decisión comprensible para los humanos. Hay dos tipos principales de sistemas de aprendizaje automático: modelos de caja blanca y de caja negra. Los modelos de caja blanca son inherentemente interpretables, pero comúnmente sufren fenómenos de ajuste insuficiente; por otro lado, los modelos de caja negra funcionan bastante bien en una amplia gama de problemas de dominio de aplicación, pero su razonamiento detrás de una decisión es difícil o incluso imposible de entender.
Ciencia--Tesis y disertaciones académicas.
Q181.T4 / N382 2022
