Fundamentos matemáticos del aprendizaje profundo: aplicaciones en el procesamiento de lenguaje natural
Supervisor(es): Bermolen, Paola - Fariello, María Inés
Resumen:
En este trabajo abordan temas que yacen en los fundamentos del aprendizaje automático. Explica desde un punto de vista matemático cómo 'aprenden' estos algoritmos, resolviendo un problema de optimización. También aborda el poder de expresividad de las redes (Teorema de Aproximación Universal) y de cómo pueden usarse estas en el área del procesamiento del lenguaje natural.
| 2025 | |
|
INTELIGENCIA ARTIFICIAL REDES NEURONALES APRENDIZAJE AUTOMATICO |
|
| Español | |
| Universidad de la República | |
| COLIBRI | |
| https://hdl.handle.net/20.500.12008/53153 | |
| Acceso abierto | |
| Licencia Creative Commons Atribución - No Comercial - Sin Derivadas (CC - By-NC-ND 4.0) |
Resultados similares
-
Aprendizaje e inteligencia computacional para la caracterización de consumo eléctrico en hogares.
Autor(es):: Fiori, Ignacio
Fecha de publicación:: (2019) -
An approach for improving the performance of learning probabilistic deterministic finite automata
Autor(es):: Pan Suarez, Federico
Fecha de publicación:: (2023) -
Active learning techniques for probabilistic deterministic finite automata extraction from language models
Autor(es):: Pan Suarez, Federico
Fecha de publicación:: (2020) -
Impact of transfer learning on convolutional neural networks for odontogenic tumor diagnosis.
Autor(es):: Giraldo-Roldán, Daniela
Fecha de publicación:: (2026) -
Evaluación de algoritmos de aprendizaje automático en la predicción de carnicerías y locales de venta al público infractores en el mercado uruguayo de carnes y derivados
Autor(es):: Bernheim Portela, Gastón Louis
Fecha de publicación:: (2021)