|
|
|
|
| LEADER |
00000nam a2200000 a 4500 |
| 003 |
AR-LpUFIB |
| 005 |
20250423183305.0 |
| 008 |
230201s2024 ag a om 000 0 spa d |
| 024 |
8 |
|
|a DIF-M8806
|b 9032
|z DIF008072
|
| 040 |
|
|
|a AR-LpUFIB
|b spa
|c AR-LpUFIB
|
| 100 |
1 |
|
|a Jacinto, Milagros Aylén
|9 50561
|
| 245 |
1 |
0 |
|a Inteligencia artificial explicable :
|b técnicas de extracción de reglas en redes neuronales artificiales
|
| 260 |
|
|
|c 2024
|
| 300 |
|
|
|a 1 archivo (2,4 MB) :
|b il. col.
|
| 502 |
|
|
|a Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2024.
|
| 505 |
0 |
|
|a 1. Introducción -- 1.1. Motivación e importancia del campo -- 1.2. Objetivos del trabajo -- 1.3. Metodología de Trabajo -- 1.4. Resultados Obtenidos -- 1.5. Estructura de la tesina -- 2. Marco Teórico -- 2.1. Redes neuronales -- 2.1.1. Redes con alimentación hacia adelante -- 2.1.2. ¿Cómo aprenden las redes neuronales artificiales? -- 2.2. Explicabilidad: Métodos -- 2.3. Extracción de reglas en redes neuronales artificiales -- 2.3.1. Tipos de reglas -- 2.3.2. Métricas de evaluación -- 3. Trabajos relacionados -- 3.1. Métodos Pedagógicos -- 3.2. Métodos Decomposicionales -- 3.3. Métodos Eclécticos -- 4. Trabajo realizado -- 4.1. Características de RxREN -- 4.1.1. Fases del algoritmo -- 4.2. Algoritmo propuesto: FORxREN (Fidelity Oriented Rule extraction by Reverse -- Engineering of Neural networks) -- 4.2.1. Cambios en la Fase uno: -- 4.2.2. Cambios en la Fase dos: -- 4.3. Algoritmo FORxREN paso a paso -- 4.3.1. Fase uno paso a paso -- 4.3.2. Fase dos paso a paso -- 4.3.3. Configuraciones -- 4.4. Resultados parciales -- 4.4.1. Modificaciones realizadas -- 4.4.2. Resumen y conclusión -- 5. Evaluación empírica del algoritmo y sus resultados -- 5.1. Descripción de los datos -- 5.2. Redes neuronales entrenadas -- 5.3. Ejecución detallada - Configuración 1 - Iris -- 5.4. Resultados de las ejecuciones -- 6. Conclusiones -- 7. Trabajos futuros -- A. Tecnologías utilizadas -- A.1. Google Colab -- A.2. Sklearn -- A.3. Keras -- A.4. Numpy -- A.5. Pandas -- Referencias
|
| 650 |
|
4 |
|a INTELIGENCIA ARTIFICIAL
|9 18040
|
| 653 |
|
|
|a redes neuronales artificiales
|
| 700 |
1 |
|
|a Moschettoni, Martín
|9 50562
|
| 700 |
1 |
|
|a Pons, Claudia Fabiana ,
|e Director/a
|9 44762
|
| 700 |
1 |
|
|a Pérez, Gabriela ,
|e Codirector/a
|9 46361
|
| 856 |
4 |
0 |
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2700
|
| 942 |
|
|
|c TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|6 TES_2402
|7 0
|9 84229
|a DIF
|b DIF
|d 2025-03-11
|i DIF-05320
|l 0
|o TES 24/02
|p DIF-05320
|r 2025-03-11 17:05:28
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 84230
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:28
|u http://sedici.unlp.edu.ar/handle/10915/164808
|w 2025-03-11
|y TE
|
| 952 |
|
|
|0 0
|1 0
|4 0
|7 3
|8 BD
|9 84231
|a DIF
|b DIF
|d 2025-03-11
|l 0
|r 2025-03-11 17:05:28
|u http://catalogo.info.unlp.edu.ar/meran/getDocument.pl?id=2700
|w 2025-03-11
|y TE
|
| 999 |
|
|
|c 57844
|d 57844
|
