Redes neuronales para estimación de probabilidades a posteriori: estructuras y algoritmos

• Autores: Juan Ignacio Arribas Sánchez
• Directores de la Tesis: Jesús Cid Sueiro (dir. tes.)
• Lectura: En la Universidad de Valladolid ( España ) en 2001
• Idioma: español
• Tribunal Calificador de la Tesis: Aníbal Ramón Figueiras Vidal (presid.), Ioannis Dimitriadis Damoulis (secret.), Luis Alonso Romero (voc.), Carlos Pantaleón Prieto (voc.), Armando Malanda Trigueros (voc.)
• Materias:
  • Matemáticas
    • Ciencia de los ordenadores
      • Sistemas de control medico
    • Probabilidad
      • Fundamentos de la probabilidad
  • Ciencias tecnológicas
    • Tecnología de los ordenadores
      • Fiabilidad de los ordenadores
    • Tecnología de las telecomunicaciones
• Texto completo no disponible (Saber más ...)
• Resumen

  • RESUMEN: Esta Tesis pretende estudiar el problema de la estimación de probabilidades a posteriori empleando para ello las Redes Neuronales empezando desde un punto de partida teórico, Se demuestran una serie de teoremas en los que se imponen ciertas condiciones necesarias y suficientes, las cuales garantizan la existencia de funciones de coste que se minimizan hacia una probabilidad a posteriori, aplicables tanto en problemas de Estimación de la Probabilidad como en Estimación de Densidad, y que pueden ser utilizadas en la etapa de aprendizaje de las redes. Se diseñan estructuras neuronales normalizadas para obtener las estimas de las probabilidades en caso de múltiples hipótesis y se propone un algoritmo basado en la previa estimación de probabilidades para calcular la complejidad o el tamaño de red óptima. Se dan ejemplos de los resultados obtenidos con tales redes y algoritmos tanto visuales como numéricos, comparándose con otras técnicas bien conocidas.

    Palabras clave: Redes Neuronales, Función de Coste, Función Objetivo, Estimación de Probabilidad, Estimación de Densidad, Probabilidad a Posteriori, Selección de la Complejidad, Optimización.