Estudio de métodos y técnicas de aprendizaje por transferencia en el contexto de aprendizaje automático

Título:

Estudio de métodos y técnicas de aprendizaje por transferencia en el contexto de aprendizaje automático

Autor:

Suárez, José Manuel

Otros autores / Colaboradores:

 Pons, Claudia Fabiana; [ Director/a]  Pérez, Gabriela; [ Codirector/a] 

Temas:

APRENDIZAJE AUTOMÁTICO; 

URL:

http://sedici.unlp.edu.ar/handle/10915/122706,

Palabras clave:

transferencia de conocimiento, 

Nota de tesis:

Tesina (Licenciatura en Informática) - Universidad Nacional de La Plata. Facultad de Informática, 2021.

Extensión:

1 archivo (5,2 MB) : il. col.

Resumen:

La presente tesina de grado de investigación teórica propone un recorrido por los fundamentos que giran en torno a la técnica de aprendizaje por transferencia, subáreas y metodologías resolutivas presentes en distintos escenarios aplicativos, así como proyecciones de trabajos futuros para el desarrollo en el área.

Puede solicitar más fácilmente el ejemplar con: TES 21/08

Capítulo 1 - Introducción 
1.1 Contexto 
1.2 Motivación 
1.3 Objetivos 
1.3.1 Objetivos generales 
1.3.2 Objetivos específicos 
1.4 Metodología de trabajo
1.5 Resultados esperados 
1.6 Estructura de la tesina 
1.7 Conclusión

Capítulo 2 - Aprendizaje por transferencia 
2.1 Introducción 
2.2 Concepto 
2.3 Motivación 
2.4 Objetivo 
2.5 Definiciones 
2.6 Técnicas 
2.6.1 Transferencia inductiva 
2.6.2 Transferencia transductiva
2.6.3 Transferencia no supervisada 
2.6.4 Transferencia por refuerzo 
2.7 Enfoques 
2.7.1 Transferencia de instancias 
2.7.2 Transferencia de representación de características 
2.7.3 Transferencia de parámetros 
2.7.4 Transferencia de conocimiento relacional 
2.8 Limitaciones
2.9 Aprendizaje automático de largo plazo
2.10 Conclusión 

Capítulo 3 - Estado del arte 
3.1 Introducción 
3.2 Escenarios motivacionales para TL 
3.2.1 Clasificación de páginas web sin ejemplos negativos 
3.2.2 TL para localización en interiores basada en señales WiFi 
3.2.3 Adaptación de dominios para la clasificación de sentimientos 
3.3 TrAdaBoost: un impulso para TL 
3.4 Aprendizaje autodidacta: TL desde datos sin etiquetar 
3.5 TL mediante mapeo estructural local de modelos múltiples 
3.6 Mapeo y revisión de redes lógicas de Markov para TL 
3.7 Aprendizaje y evaluación de clasificadores bajo el sesgo de selección de la muestra 
3.8 Aprendizaje por transferencia mediante reducción de dimensionalidad
3.9 Reducción de dimensionalidad transferida 
3.10 Transferencia entre dominios para el aprendizaje por refuerzo 
3.11 Distant Domain Transfer Learning
3.12 Conclusión 

Capítulo 4 - Propuesta metodológica para la aplicación de TL 
4.1 Introducción 
4.2 Etapas del proceso resolutivo 
4.3 Flujo metodológico 
4.3.1 Profundización de etapa de consideración e implantación de técnicas de TL 
4.4 Conclusión

Capítulo 5 - Un caso aplicativo 
5.1 Introducción 
5.2 Presentación del modelo y las premisas 
5.3 Problemática afrontada
5.4 Solución propuesta 
5.5 Conclusión 

Capítulo 6 - Aportes, conclusiones y trabajos futuros 
6.1 Introducción 
6.2 Aportes 
6.3 Conclusiones
6.4 Trabajos futuros 
6.4.1 Líneas de investigación propuestas 
6.5 Conclusión