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.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados