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 mundo está experimentando un crecimiento exponencial en la generación de datos con una escala cada vez mayor. Según IDC (International Data Corp [...]
Leer más »Es de vital importancia comprender, identificar y satisfacer las necesidades de los clientes. De este modo, nuestro negocio podrá ofrecer productos y [...]
Leer más »Lo primero que hay que conocer son los límites de la IA y tras dominar los conceptos base se podrá construir un gran software comercial con intelige [...]
Leer más »Si las observamos por separado, el Internet de las Cosas (IoT) y la Inteligencia Artificial (IA) son tecnologías poderosas y si las combinamos, obten [...]
Leer más »
