Detalles MARC
| 000 -CABECERA |
|---|
| Campo de control de longitud fija |
03593nam a22003017a 4500 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| Campo de control |
EC-UrYT |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| Campo de control |
20221206000922.0 |
| 008 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA |
|---|
| Campo de control de longitud fija |
150116t9999 mx r gr 000 0 spa d |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro transcriptor |
EC-UrYT |
| 041 ## - CÓDIGO DE LENGUA |
|---|
| Código de lengua del texto/banda sonora o título independiente |
eng |
| Código de lengua del sumario o resumen |
spa |
| 100 1# - PUNTO DE ACCESO PRINCIPAL - NOMBRE DE PERSONA |
|---|
| 9 (RLIN) |
11634 |
| Nombre de persona |
Rojas Jiménez, Ángel Adrián |
| Término indicativo de función |
autor |
| 245 13 - MENCIÓN DE TÍTULO |
|---|
| Título |
A target oriented averaging search trajectory and its application in artificial neural networks / |
| Mención de responsabilidad etc. |
Ángel Adrián Rojas Jiménez ; tutor Oscar Guillermo Chang Tortolero |
| 264 #4 - PRODUCCIÓN, PUBLICACIÓN, DISTRIBUCIÓN, FABRICACIÓN Y COPYRIGHT |
|---|
| Lugar de producción |
Urcuquí, |
| Fecha de producción |
2019 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
56 hojas : |
| Otras características físicas |
ilustraciones (algunas a color) ; |
| Dimensiones |
30 cm + |
| Material anejo |
1 CD-ROM |
| 502 ## - NOTA DE TESIS |
|---|
| Nota de tesis |
Trabajo de integración curricular |
| Tipo de título |
(Matemático). |
| Nombre de la institución que otorga el título |
Universidad de Investigación de Tecnología Experimental Yachay. |
| Ciudad de la institución que otorga el título |
Urcuquí, |
| Año de obtención del título |
2019 |
| 504 ## - NOTA DE BIBLIOGRAFÍA; ETC. |
|---|
| Nota de bibliografía etc. |
Incluye referencias bibliográficas (páginas 47-48) |
| 506 ## - NOTA DE RESTRICCIONES AL ACCESO |
|---|
| Limitaciones de acceso |
Trabajo de integración curricular con acceso abierto |
| 516 ## - NOTA DE TIPO DE ARCHIVO DE ORDENADOR O DE DATOS |
|---|
| Nota de tipo de archivo de ordenador o de datos |
Texto (Hypertexto links) |
| 520 ## - NOTA DE SUMARIO; ETC. |
|---|
| Sumario etc. |
El entrenamiento de redes neuronales artificiales usualmente involucran funciones objetivos no suaves a ser minimizadas. Este problema de optimización actualmente se resuelve evitando puntos de ensilladura y por tanto alcazando un minimizador local o global. Optimizadores conocidos como Descenso por Gradiente (GD) o su versión estocastica llamada Método de Gradiente Estocástico (SG) dependen de la dirección de descenso mas proximo. Analisis de convergencia de estos métodos dejan mucho que desear cuando se asume que convexiddad y/o suavidad local (véase, [1][2]). Aunque en la practica estos métodos iterativos funcionan bien a través de la estrategia de propagación de error hacia atras, nosotros desarrollamos un método determinístico de optimización global llamado SALGO-TOAST. El acrónimo de SALGO describen las iniciales en ingles de la técnica Succesive Abs-Linearization o Abs-Linearizaciones Sucesivas de la funcion objetivo y la tarea de Global Optimization u Optimización Global sobre la aproximacion mencionada. Lo último es realizado a través de nuestro método de trajectoria de búsqueda promediada orientada a objetivos o TOAST. Su nombre trata de explicar el comportamiento de las direcciones de búsqueda obtenidas en el método. De hecho, cada direccion de búsqueda está definida por un promedio de la dirección de descenso mas proximo y orientado por un valor objetivo a ser alcanzado [4]. La diferencia principal de nuestra estrategia y el algoritmo de propogación de error hacia atrás es nuestra consideracion de la no suavidad de la funcion de prediccion. Implementamos TOAST al entrenamiento de redes neuronales artificiales con funciones de activación de visagra o ReLUs para solucionar el problema de aprendizaje de la regresión de la funcion Griewank y el reconocimiento de imagenes de dígitos. Los resultados son comparados con SG, GD y otro método determinísticco llamado Optimización Mixta Entero Lineal (MILOP). Este último método tiene una formulación preliminaria y es la única con el que puede ser probado que un mínimo global ha sido obtenido [6]. |
| 546 ## - NOTA DE LENGUA |
|---|
| Nota de lengua |
Textos en inglés con resúmenes en español e inglés |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| 9 (RLIN) |
11295 |
| Término de materia o nombre geográfico como elemento inicial |
Redes neuronales (Informática) |
| Subdivisión de materia general |
Modelos matemáticos |
| 650 #0 - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| 9 (RLIN) |
11492 |
| Término de materia o nombre geográfico como elemento inicial |
Matemática |
| Subdivisión de forma |
Trabajos y disertaciones académicas |
| 700 1# - PUNTO DE ACCESO ADICIONAL - NOMBRE DE PERSONA |
|---|
| 9 (RLIN) |
11243 |
| Nombre de persona |
Chang Tortolero, Oscar Guillermo |
| Término indicativo de función |
tutor |
| 710 1# - PUNTO DE ACCESO ADICIONAL - NOMBRE DE ENTIDAD |
|---|
| Nombre de entidad o nombre de jurisdicción como elemento inicial |
Universidad de Investigación de Tecnología Experimental Yachay. |
| Unidad subordinada |
Escuela de Ciencias Matemáticas y Computacionales |
| 9 (RLIN) |
11232 |
| 856 ## - LOCALIZACIÓN Y ACCESO ELECTRÓNICOS |
|---|
| Nota pública |
Ver recurso |
| Identificador Uniforme del Recurso (URI) |
http://repositorio.yachaytech.edu.ec/handle/123456789/104 |
| 942 ## - ENTRADA PARA ELEMENTOS AGREGADOS (KOHA) |
|---|
| Fuente de clasificación o esquema de ordenación en estanterías |
Clasificación Decimal Dewey |
| Koha [por defecto] tipo de item |
Tesis |
