This HTML5 document contains 11 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

dbpedia-es:Aprendizaje_de_características

rdfs:label

Aprendizaje de características

rdfs:comment

En el aprendizaje automático, el aprendizaje de características o aprendizaje de representación​ es un conjunto de técnicas que permite que un sistema descubra automáticamente las representaciones necesarias para la detección o clasificación de características a partir de datos sin procesar. Esto reemplaza la ingeniería de característica manual y permite que una máquina aprenda características y las use para realizar una tarea específica. El aprendizaje de características puede ser supervisado o no supervisado.

dct:subject

category-es:Aprendizaje_automático

foaf:isPrimaryTopicOf

wikipedia-es:Aprendizaje_de_características

dbo:wikiPageID

8188272

dbo:wikiPageRevisionID

120918076

dbo:wikiPageLength

19471

prov:wasDerivedFrom

n7:0

dbo:abstract

En el aprendizaje automático, el aprendizaje de características o aprendizaje de representación​ es un conjunto de técnicas que permite que un sistema descubra automáticamente las representaciones necesarias para la detección o clasificación de características a partir de datos sin procesar. Esto reemplaza la ingeniería de característica manual y permite que una máquina aprenda características y las use para realizar una tarea específica. El aprendizaje de característica está motivado por el hecho de que la máquina que aprende tareas como la clasificación a menudo requiere entrada que es matemáticamente y computacionalmente conveniente de procesar. Aun así, datos del mundo real como imágenes, vídeos, y datos de sensor no permiten definir algorítmicamente características específicas. Una alternativa es descubrir tales características o representaciones a través de exámenes, sin depender de algoritmos explícitos. El aprendizaje de características puede ser supervisado o no supervisado. * En el aprendizaje de características supervisado, las características se aprenden utilizando datos de entrada etiquetados. Los ejemplos incluyen redes neuronales supervisadas, perceptrón multicapa y aprendizaje de diccionario (supervisado) . * En el aprendizaje de características no supervisado, las características se aprenden con datos de entrada sin etiqueta. Los ejemplos incluyen aprendizaje de diccionario, análisis de componentes independientes, autoencoders, factorización matricial​ y varias formas de agrupamiento.​​

Subject Item

wikipedia-es:Aprendizaje_de_características

foaf:primaryTopic

dbpedia-es:Aprendizaje_de_características

Subject Item

dbr:Feature_learning

owl:sameAs

dbpedia-es:Aprendizaje_de_características