Título: |
Clasificación de sílabos académicos en base a redes neuronales de aprendizaje profundo |
||||
Autor, etc.: |
Orellana Cordero Marcos Patricio. Director de Tesis, Alvarado Carrera Juan Marcelo |
||||
Fecha de publicación: |
2018 |
||||
|
Universidad del Azuay -Facultad de Ciencias de la Administración -Escuela de Ingeniería de Sistemas y Telemática |
||||
Número de páginas: |
29 p |
||||
Dimensiones: |
Digital |
||||
Idioma: |
Español |
||||
Tipo de documento: |
documento electrónico |
||||
Tipo de medio: |
Tesis |
||||
Clasificación: |
UDA-BG T14250 |
||||
Palabras claves: |
APRENDIZAJE PROFUNDO, ÁRBOL DE DECISIÓN, NAIVE BAYES |
||||
Descripción: |
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. |
||||
Link: |
http://dspace.uazuay.edu.ec/handle/datos/8568 | ||||
|
|||||