Clasificación de sílabos académicos en base a redes neuronales de aprendizaje profundo

Clasificación de sílabos académicos en base a redes neuronales de aprendizaje profundo

Orellana Cordero Marcos Patricio. Director de Tesis, Alvarado Carrera Juan Marcelo

2018

Universidad del Azuay -Facultad de Ciencias de la Administración -Escuela de Ingeniería de Sistemas y Telemática

29 p

Digital

Español

documento electrónico

Tesis

UDA-BG T14250

APRENDIZAJE PROFUNDO, ÁRBOL DE DECISIÓN, NAIVE BAYES

A fin de facilitar la homologación de créditos entre las universidades del país, se requiere automatizar la clasificación de sílabos en áreas y subáreas. Esta investigación tiene como objetivo clasificar los sílabos mediante la técnica de redes neuronales conectadas de aprendizaje profundo, a través de una combinación de número de capas, funciones de activación, tamaños y épocas de entrenamiento. Este modelo fue comparado con respecto a algoritmos basados en Support Vector Machine (SVM), Naive Bayes y Árboles de decisión. Los resultados demostraron que el modelo de aprendizaje profundo propuesto fue superior en 1.4% con respecto a Naive Bayes, 6.2% con respecto a SVM y 7.2% con respecto a Árboles de decisión.