Nuevos modelos de redes neuronales competitivas basadas en análisis de componentes principales
- Ortiz de Lazcano Lobato, Juan Miguel
- Ezequiel López Rubio Zuzendaria
- José Muñoz Pérez Zuzendaria
Defentsa unibertsitatea: Universidad de Málaga
Fecha de defensa: 2007(e)ko uztaila-(a)k 10
- Miguel Delgado Calvo-Flores Presidentea
- José Antonio Gómez Ruiz Idazkaria
- César Hervás Martínez Kidea
- David Alberto Elizondo Giménez Kidea
- Armando Blanco Morón Kidea
Mota: Tesia
Laburpena
El Análisis de Componentes Principales local es una técnica de gran utilidad para tratar un conjunto de datos de gran dimensión, con el objetivo de reducir su tamaño a unas pocas componentes significativas y evitar, de esa manera, la maldición de la dimensionalidad, El presente trabajo desarrolla varios sistemas neuronales on supervisados (dos competitivos y no autoorganizado) donde cada neurona es capaz de realizar un Análisis de componentes Principales sobre las muestras pertenecientes a su campo receptivo. De esta forma se consigue una mayor capacidad de representación de estos nuevos modelos con respecto a los modelos competitivo y autoorganizado clásicos. Se comprueba empíricamente como dichos novedosos modelos presentan un buen rendimiento cuando se aplican al problema de reducción de la dimensión de un conjunto de datos.