Diría que Neural Networks, que es el uso de una matriz de coeficientes derivados de la prueba multiplicada por una entrada de matriz dada del mismo tamaño. Digo derivado de prueba, porque la parte de aprendizaje automático está teniendo un corpus de datos de matriz y si cada matriz es “verdadera” o “falsa”, para el problema dado que se está probando, que podría ser algo como “Es el letra ‘A’ en alguna parte de esta imagen? ”
Si proporciona suficientes pistas y falsos conocidos a la red neuronal, con el tiempo, la red mejorará al adivinar correctamente si la condición es verdadera o no.
Aquí hay un enlace a Steven W. Smith muy excelente ” La guía del científico y del ingeniero para el procesamiento de señales digitales”
- ¿Cómo se crean y sostienen los proyectos de investigación a largo plazo?
- ¿Qué son las delimitaciones?
- ¿El procesamiento de señales es un campo activo de investigación?
- ¿Por qué Wikipedia tiene una mala reputación como fuente de investigación?
- Cómo analizar datos cualitativos y cuáles son los paquetes que se pueden usar
En el libro, Steven compara el proceso iterativo con un paracaidista que intenta descender una colina con los ojos vendados:
“ Veremos dos algoritmos para resolver este problema: evolución y descenso más pronunciado. En evolución, el paracaidista realiza un salto volador en una dirección aleatoria. Si la nueva elevación es más alta que la anterior, maldice y regresa a su ubicación inicial, donde intenta nuevamente. Si la nueva elevación es más baja , siente una medida de éxito y repite el proceso desde la nueva ubicación. Eventualmente llegará al fondo del valle, aunque en un camino muy ineficiente y desordenado. Este método es llamado evolución porque es el mismo tipo de algoritmo empleado por la naturaleza en la evolución biológica “.
Todo el libro es gratuito en línea, y vale la pena leerlo de principio a fin. Aquí está el capítulo de interés. Redes neuronales (¡y más!)
