On the performance of Kernel Density Estimation using Density Matrices
Cargando...
Autores
Osorio Ramírez, Juan Felipe
Tipo de contenido
Document language:
Inglés
Fecha
Título de la revista
ISSN de la revista
Título del volumen
Resumen
Los métodos de estimación de densidad se pueden aplicar a diferentes problemas en estadística y aprendizaje automático. Se pueden utilizar para resolver tareas como detección
de anomalías, modelos generativos, aprendizaje semi-supervisado, compresión, conversión de
texto a voz, entre otras. Una técnica popular para encontrar estimaciones de densidad de
nuevas muestras en una configuración no paramétrica se realiza a través de Estimación Kernel
de Densidad, un método que adolece de evaluaciones costosas, especialmente para conjuntos
de datos grandes y dimensiones altas. En esta tesis queremos comparar el rendimiento del
método novedoso Estimación Kernel de Densidad usando Matrices de Densidad introducido
por González et al. [9] con otros procedimientos rápidos estado-del-arte para estimar la
función de densidad de probabilidad en diferentes conjuntos de escenarios sintéticos complejos. Nuestros resultados experimentales muestran que este novedoso método es una estrategia
competitiva de calcular estimaciones de densidad entre sus competidores y también muestra
ventajas cuando se trabaja con grandes conjuntos de datos y altas dimensiones. El software
utilizado para probar el método propuesto está disponible en línea. (Texto tomado de la fuente)