Selecció d'autoencoders amb validació creuada
Selecció d'autoencoders amb validació creuada
Aquest treball de fi de grau se centra en l'ús d autoencoders per a la reducció de dimensions i l'anàlisi de la reconstrucció de les dades. Els autoencoders són una tècnica d'aprenentatge automàtic que permet codificar i descodificar dades, preservant la informació essencial mentre se'n redueix la dimensió. L'estudi investiga la determinació del nombre òptim de nodes a la capa oculta mitjançant la validació creuada i compara diferents mètriques com ara són l'AIC, l'R2 i el SSE per a la selecció de models. Utilitzant diferents bases de dades, el treball avalua l'efectivitat dels autoencoders a la reconstrucció d'aquestes. S'implementa el model utilitzant el paquet Keras, destacant-ne la capacitat per crear xarxes neuronals avançades i entrenar-les eficientment. Els resultats mostren que és possible reduir significativament la dimensió de les dades sense una gran pèrdua d'informació, optimitzant el balanç entre variabilitat explicada i la suma dels errors quadràtics.
Treballs Finals de Grau en Estadística UB-UPC, Facultat d'Economia i Empresa (UB) i Facultat de Matemàtiques i Estadística (UPC), Curs: 2023-2024, Tutor: Ferran Reverter Comes
Artificial intelligence, Àrees temàtiques de la UPC::Matemàtiques i estadística, Intel·ligència artificial, Statistics, Bachelor's theses, Processos estocàstics, Estadística, Treballs de fi de grau, Neural networks (Computer science), Stochastic processes, Classificació AMS::68 Computer science::68T Artificial intelligence, Aprenentatge automàtic, Machine learning, Classificació AMS::62 Statistics::62M Inference from stochastic processes, Xarxes neuronals (Informàtica)
Artificial intelligence, Àrees temàtiques de la UPC::Matemàtiques i estadística, Intel·ligència artificial, Statistics, Bachelor's theses, Processos estocàstics, Estadística, Treballs de fi de grau, Neural networks (Computer science), Stochastic processes, Classificació AMS::68 Computer science::68T Artificial intelligence, Aprenentatge automàtic, Machine learning, Classificació AMS::62 Statistics::62M Inference from stochastic processes, Xarxes neuronals (Informàtica)
selected citations These citations are derived from selected sources.This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).0 popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network.Average influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically).Average impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network.Average
Citations provided by BIP!Popularity provided by BIP!