KLMS y KAPA: Fitros no lineales adaptivos basados en métodos de kernel - Guillermo Carbajal

Resumen

Los métodos kernel se han convertido en los últimos años en una de las técnicas predilectas para la resolución de problemas no lineales, tanto de regresión como de clasificación. Su moderada complejidad computacional, el hecho de que en general sus soluciones no conducen a mínimos locales y su sólida base matemática son algunos de los factores que han propiciado su éxito. Estas características han convertido a los métodos de kernel en una alternativa ante técnicas tradicionales como las redes neuronales o los filtros polinómicos.

El análisis de la estructura de un conjunto de datos es un problema central en el aprendizaje máquina. Por ejemplo, en problemas de regresión se dispone de una serie de datos de entrenamiento que representan las entradas y las correspondientes salidas de un sistema lineal o no lineal. El objetivo de la regresión es descubrir la relación funcional entre la entrada y la salida de este sistema, para poder así predecir la salida del sistema cuando se le presenta un dato de entrada nuevo.

Documentación

Monografía