Metodología de gestión en tutorización de empresas de la siniestralidad.
Metodología del Aprendizaje - UPM
7
1 CVG-UPM VISIÓN POR COMPUTADOR Redes Neuronales y Reconocimiento de Patrones P. Campoy índice Metodología del Aprendizaje Estructura del aprendizaje Evaluación del aprendizaje 2 CVG-UPM VISIÓN POR COMPUTADOR Redes Neuronales y Reconocimiento de Patrones P. Campoy Metodología: Niveles de aprendizaje Determinación de la estructura interna (manual/automático) Elección del modelo (manual) modelo Ajuste de parámetros (automático) muestras entrenamiento
Transcript of Metodología del Aprendizaje - UPM
1
CVG-UPMV
ISIÓ
N P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
índice
Metodología del Aprendizaje
Estructura del aprendizaje Evaluación del aprendizaje
2
CVG-UPM
VIS
IÓN
P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Metodología: Niveles de aprendizaje
Determinación de laestructura interna
(manual/automático)
Elección del modelo(manual)
modeloAjuste de parámetros(automático)
mue
stra
s e
ntre
nam
ient
o
3
CVG-UPMV
ISIÓ
N P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Parámetros del modelo
Optimización de un índiceCompromiso: grado de optimizaciónfrente a tiempo de cálculo
Función de coste :Lj(x) = Σ L(wj/wi) P(wi/x)
Error cuadrático medioE = ∑ ∑ ( yk
n - ydkn )2
n k
4
CVG-UPM
VIS
IÓN
P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Metodología: Niveles de aprendizaje
Determinación de laestructura interna
(manual/automático)
Elección del modelo(manual)
modeloAjuste de parámetros(automático)
mue
stra
s de
te
st
5
CVG-UPMV
ISIÓ
N P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Bondad del modelo
Universo deentradas
modelo
Conjunto detest
Conjunto deentrenamiento
Validación cruzada:realizar modelos entrenados con V muestras y validadoscon conjuntos de test de N-V muestras
NV( )
6
CVG-UPM
VIS
IÓN
P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Metodología: Niveles de aprendizaje
Determinación de laestructura interna
(manual/automático)
Elección del modelo(manual)
MODELOAjuste de parámetros(automático)
7
CVG-UPMV
ISIÓ
N P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Selección del modelo
Matemáticos: polinomios, splines, B-splines, ...
Estadísticos: ARX, ARMAX, Markov, Box-Jenkins, ...
Redes Neuronales: MLP, RBF, SOM, ART, ...
12
CVG-UPM
VIS
IÓN
P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
índice
Metodología del Aprendizaje
Estructura del aprendizaje Evaluación del aprendizaje
13
CVG-UPMV
ISIÓ
N P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Bondad del modelo
Universo deentradas
modelo
Conjunto detest
Conjunto deentrenamiento
Validación cruzada:realizar modelos entrenados con V muestras y validadoscon conjuntos de test de N-V muestras
NV( )
14
CVG-UPM
VIS
IÓN
P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Numero de muestras de la red neuronal
error
Error de test
Error bayesiano
Error de entrenamiento
Error de entrenamiento yerror de test
15
CVG-UPMV
ISIÓ
N P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Estructura del modelo: retos
g.d.l. del modelo
error de test
x1
x2
x1
x2
Infra-aprendizaje
16
CVG-UPM
VIS
IÓN
P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Estructura del modelo: retos
x1
x2
x1
x2
g.d.l. del modelo
error de test
Sobre-aprendizaje
17
CVG-UPMV
ISIÓ
N P
OR
C
OM
PU
TA
DO
R
Redes Neuronales y Reconocimiento de PatronesP. Campoy
Estructura del modelo: retos
x1
x2
x2
g.d.l. del modelo
error de test
Aprendizajex1
