Papers by Francisco Javier Cruz Lugo
La teoría de las Máquinas de Vectores de Soporte (SVM por su nombre en inglés Support Vector Mach... more La teoría de las Máquinas de Vectores de Soporte (SVM por su nombre en inglés Support Vector Machine) fue desarrollada por Vapnik basado en la idea de minimización del riesgo estructural (SRM). Algunas de las aplicaciones de clasificación o reconocimiento de patrones son: reconocimiento de firmas, reconocimiento de imágenes como rostros y categorización de textos y en este trabajo, clasificación del déficit habitacional. A diferencia de las Redes Neuronales Artificiales (RNA) que utilizan durante la fase de entrenamiento, el principio de Minimización del Riesgo Empírico (ERM), las MVS se basan en el principio de Minimización del Riesgo Estructural (SRM), la cual ha mostrado un mejor desempeño que el ERM, ya que las Máquinas de Vectores de Soporte minimizan un límite superior al riesgo esperado a diferencia del ERM que minimiza el error sobre los datos de entrenamiento (Vapnik, 2000). La MVS mapean los puntos de entrada a un espacio de características de una dimensión mayor, para luego encontrar el hiperplano que los separe y maximice el margen entre las clases. MVS con margen blando De manera que, matemáticamente el problema queda definido como: Minimizar Inteligencia Artificial Capítulo IV Gerardo Colmenares Máquinas de Vectores de Soporte 9
Uploads
Papers by Francisco Javier Cruz Lugo