En el seminario se abordará la relación entre el coste bayesiano de un clasificador máquina y sus probabilidades de error expresadas en función de los valores de las muestras de una variable obtenida a través de transformaciones entrenables (p.ej., con MLPs o R&FNNs). Dichas probabilidades de error se calculan recurriendo a ventanas de Parzen, que pueden ser elegidas para atender a las características de cada problema; mientras que las muestras se posicionan según un proceso convencional de entrenamiento. Se dispone así de una flexibilidad no directamente alcanzable con los diseños convencionales de estas máquinas. Varios resultados experimentales sirven para ilustrar las consiguientes ventajas. El seminario se cerrará destacando las conclusiones del estudio y sugiriendo ampliaciones y extensiones.
Escuela Politécnica Superior | Universidad Autónoma de Madrid | Francisco Tomás y Valiente, 11 | 28049 Madrid | Tel.: +34 91 497 2222 | e-mail: informacion.eps@uam.es
