La función de base radial (RBF, por sus siglas en inglés) es una técnica utilizada en inteligencia artificial y machine learning para aproximar funciones y resolver problemas de clasificación y regresión. La FBR se basa en una función de núcleo que mide la similitud entre dos puntos en un espacio de características.
La FBR se utiliza a menudo en problemas de clasificación no lineales y en la interpolación de datos. La técnica se basa en el concepto de que las funciones pueden ser aproximadas por combinaciones lineales de funciones de base radial centradas en los datos de entrenamiento.
En la FBR, la función de núcleo define la influencia relativa de cada punto de entrenamiento en la aproximación de la función. Los puntos de entrenamiento más cercanos al punto de prueba tienen una influencia mayor en la función aproximada.
La FBR se utiliza a menudo en conjunto con el algoritmo de descenso del gradiente para optimizar los parámetros de la función de núcleo. También se utiliza en problemas de clustering y en la detección de outliers.
El análisis de big data es el proceso de analizar fuentes de datos grandes y complejas para descubrir tendencias, patrones, comportamientos de los cl [...]
Leer más »Las predicciones de GAMCO apuntan a un aumento de, al menos, un 10% en el porcentaje de la «morosidad en créditos» a particulares durante el próxi [...]
Leer más »Para saber cómo funciona la tecnología semántica, lo primero que debes saber es que se encarga de ayudar a los sistemas de inteligencia artificial [...]
Leer más »El software de optimización comercial basado en la inteligencia artificial debe tener feedback de las acciones comerciales llevadas a cabo, de las nu [...]
Leer más »
