Mejora del tiempo de ejecución de algoritmos de inferencia regular
Resumen:
El siguiente proyecto presenta una mejora sobre el algoritmo de machine learning L* de Angluin, con el objetivo de mejorar los tiempos de ejecución. Para lograrlo se estudian otras variantes, como L*Col de Oded Maler y Amir Pnueli, así como la variante Bounded-L* propuesta para redes neuronales. Como resultado, se propone un algoritmo cuyos tiempos de ejecución en los casos de referencia de redes demuestran ser consistentemente mejores que los de Bounded-L* para casos de estudio relevantes. Se realiza un estudio sobre tecnologías de paralelización, distribución y optimización de código Python, en pos de evaluar técnicas candidatas para su aplicación en este algoritmo dentro del framework utilizado.
2021 | |
PROYECTOS-ID REDES NEURONALES ALGORITMOS INTELIGENCIA ARTIFICIAL |
|
Español | |
Universidad ORT Uruguay | |
RAD | |
http://hdl.handle.net/20.500.11968/6380 | |
Acceso abierto |
Resultados similares
-
Regular Inference over Recurrent Neural Networks as a Method for Black Box Explainability
Autor(es):: Mayr Ojeda, Franz
Fecha de publicación:: (2019) -
Analysis, Evaluation and Improvement of Active Regular Inference Algorithms for Neural Sequence Acceptors
Autor(es):: Garat Diaz, Alejo
Fecha de publicación:: (2024) -
Non-deterministic automata inference from Recurrent Neural Networks
Autor(es):: Morales Jaurena, Pablo Martín
Fecha de publicación:: (2020) -
Application of Private Aggregation of Teacher Ensembles framework for malicious web request detection
Autor(es):: Sosa Rippe, Sebastián
Fecha de publicación:: (2021) -
Estudio de las opiniones utilizando análisis de sentimientos a nivel de aspecto
Autor(es):: Amaral, Danilo
Fecha de publicación:: (2020)