El algoritmo de Mínimo Error de Clasificación (MCE) es una variante del método LVQ, concretamente su versión LVQ2.1. Esta trata de asegurar la convergencia más rápida de la solución basándose en el aprendizaje Hebbiano que actualiza los prototipos ganadores por competición.
La diferencia del método MCE reside en que no solo se busca al vecino más cercano a cada muestra del conjunto de entrenamiento, sino que se busca aquel más cercano con distinta salida y aquel con la misma salida.
En el caso de que la muestra caiga dentro de una ventana establecida entre ambos, se alejará aquel que tenga distinta salida y se acercará aquel que tenga la misma, en aras de conseguir mejorar los resultados de clasificación
Se trata de una evolución del algoritmo LVQ
Reference: Biing-Hwang Juang and Shigeru Katagiri. Discriminative learning for minimum error classication.
Se pueden destacar 5 desafíos del Big Data que se definen como V (volumen, velocidad, veracidad, variedad y valor). R. Narasimhan debatió sobre 3V c [...]
Leer más »La Cámara Oficial de Comercio de Sevilla, en colaboración con el Instituto Español de Analistas Financieros (IEAF), ofreció el pasado 16 de marzo [...]
Leer más »El contenido de este artículo sintetiza parte del capítulo “Concepto y breve historia de la Inteligencia Artificial” de la tesis Generación de [...]
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 »Muchas veces nos preguntamos qué ejemplos de IA nos podemos encontrar en nuestro entorno y es que, la inteligencia artificial es un concepto que engl [...]
Leer más »
