Show simple item record

dc.rights.licenseAtribución-NoComercial 4.0 Internacional
dc.contributorVelásquez Henao, Juan David
dc.contributor.authorValencia Gómez, Deyber Arley
dc.date.accessioned2019-07-03T10:30:19Z
dc.date.available2019-07-03T10:30:19Z
dc.date.issued2018-10-10
dc.identifier.urihttps://repositorio.unal.edu.co/handle/unal/69599
dc.description.abstractEl presente trabajo introduce un enfoque novedoso para resolver problemas de clasificación no lineales usando un sistema de inferencia neuro-difuso adaptativo multidimensional (AMNFIS por sus siglas en inglés) desarrollado inicialmente el contexto de control de procesos, y posteriormente para el pronóstico de series de tiempo no lineales. En relación a otros sistemas neuro difusos y las versiones previas de AMNFIS, el modelo presentado en este trabajo ha sido modificado para resolver problemas de clasificación binaria. El objetivo de este trabajo es determinar si el modelo AMNFIS puede ser superior a otros tipos de redes neuronales para resolver problemas de clasificación. Para ello, se evaluaron tres problemas no lineales comúnmente usados para comparación de modelos. Los resultados obtenidos para AMNFIS son comparados contra los resultados obtenidos usando diferentes tipos de redes neuronales artificiales. La evidencia empírica indica que AMNFIS es el segundo mejor modelo considerado para el primer problema mientras que para los otros dos problemas restantes, es el modelo más preciso.
dc.description.abstractAbstract: This work introduces a novel approach to solve nonlinear classification problems using an adaptive multidimensional neuro-fuzzy inference system (AMNFIS), developed originally for processes control, and later for forecasting time series. In relation to other neuro-fuzzy systems and previous versions of AMNFIS, the model presented in this work has been modified for solving binary classification problems. The aim of this work is to determine if AMNFIS is better than other types of neural networks for solving classification problems. To do that, AMNFIS is used to solve three well-known nonlinear classification problems and the results are compared against the results obtained using different types of artificial neural networks. Empirical evidences indicate that AMNFIS is the second-best model considered for first benchmark set, while is the more accurate model in the other two benchmark sets.
dc.format.mimetypeapplication/pdf
dc.language.isospa
dc.relation.ispartofUniversidad Nacional de Colombia Sede Medellín Facultad de Minas Escuela de Sistemas Ingeniería de Sistemas e Informática
dc.relation.ispartofIngeniería de Sistemas e Informática
dc.rightsDerechos reservados - Universidad Nacional de Colombia
dc.rights.urihttp://creativecommons.org/licenses/by-nc/4.0/
dc.subject.ddc62 Ingeniería y operaciones afines / Engineering
dc.titleClasificación de patrones usando AMNFIS
dc.typeTrabajo de grado - Maestría
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.versioninfo:eu-repo/semantics/acceptedVersion
dc.identifier.eprintshttp://bdigital.unal.edu.co/71577/
dc.description.degreelevelMaestría
dc.relation.referencesValencia Gómez, Deyber Arley (2018) Clasificación de patrones usando AMNFIS. Maestría thesis, Universidad Nacional de Colombia - Sede Medellín.
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.subject.proposalinteligencia artificial
dc.subject.proposalredes neuronales
dc.subject.proposalclasificación de patrones
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.contentText
dc.type.redcolhttp://purl.org/redcol/resource_type/TM
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial 4.0 InternacionalThis work is licensed under a Creative Commons Reconocimiento-NoComercial 4.0.This document has been deposited by the author (s) under the following certificate of deposit