Algoritmos meta heurísticos para el aprendizaje de redes bayesianas

Algoritmos meta heurísticos para el aprendizaje de redes bayesianas

Publicado 2018-12-12

Abrir | Descargar
PDF FLIP
Número
VOL. 15, NUM 2 (2018): Revista Lasallista de Investigación Julio - Diciembre
Sección
Artículos
Cómo citar
Oviedo, B., Puris, A., & Zhuma, E. (2018). Algoritmos meta heurísticos para el aprendizaje de redes bayesianas. Revista Lasallista De Investigación, 15(2). https://doi.org/10.22507/rli.v15n2a27
DOI

https://doi.org/10.22507/rli.v15n2a27
Dimensions
PlumX
Byron Oviedo
Corporación Universitaria Lasallista
    Amilkar Puris
      Emilio Zhuma
        Mostrar biografía de los autores

        Byron Oviedo,

        CvLAC
        Con este artículo se pretende obtener modelos basados en análisis probabilísticos de casos para la ayuda a la toma de decisiones en la educación y aprendizaje de los estudiantes de la UTEQ. Para la obtención del producto final, se ha distribuido el proceso de desarrollo en varias etapas. Objetivo Crear un modelo probabilístico para evaluar y diagnosticar a los estudiantes en función de un conjunto de características, las mismas que deberán ser aprendidas de forma automática mediante una generalización del modelo AutoClass permitiendo la existencia de variables ocultas, cada una de ellas afectando a un conjunto distinto de variables observables (respuestas de los alumnos a cuestiones planteadas por un sistema automático de aprendizaje). Materiales y Métodos. Nuestro estudio se llevará a cabo para para definir otra forma de aprendizaje estructural basado en la búsqueda de estructuras a través de modelos metaheurísticas evolutivas. Resultados Este modelo permitirá a las autoridades de la UTEQ determinar inconvenientes y contratiempos en el proceso de enseñanza aprendizaje. A la vez los resultados obtenidos permitirán una toma de decisiones inmediata para solucionar los problemas detectados y de esta manera cumplir con la misión institucional de formar profesionales con visión científica y humanista capaces de desarrollar investigaciones, crear tecnologías, mantener y difundir nuestros saberes y culturas ancestrales, para la construcción de soluciones a los problemas de la región y el país. Conclusiones se optimización de malla variable (VMO) metaheurístico al aprendizaje estructural de los clasificadores de redes bayesianas (BVMO).

        Visitas del artículo 309 | Visitas PDF 193

        Descargas

        Los datos de descarga todavía no están disponibles.
        Tutoriales

        Autores:

        ¿Cómo enviar un artículo?

        Pares Evaluadores:

        Información

        Indexación

        Base bibliográfica con comité de selección













        Directorios

        Bases de datos

         

        Indizaciones

        Palabras clave

        Más leídos en los últimos 30 días

        Código QR

        Sistema OJS 3.4.0.7 - Metabiblioteca |