Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/10621Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | ESPIN ANDRADE, RAFAEL A. | - |
| dc.contributor.author | LLORENTE PERALTA, CARLOS ERIC%817960 | - |
| dc.creator | LLORENTE PERALTA, CARLOS ERIC%817960 | - |
| dc.date.accessioned | 2025-08-14T23:15:16Z | - |
| dc.date.available | 2025-08-14T23:15:16Z | - |
| dc.date.issued | 2024-06-01 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/10621 | - |
| dc.description | En la actualidad, vivimos en un mundo tan interconectado que se genera una cantidad masiva de datos en el día a día. Se estima que para el año 2025, esta cifra alcance los 181 zettabytes. Surge así la necesidad de desarrollar modelos computacionales que puedan filtrar, analizar, modelar y extraer información importante, precisa y veraz, con el fin de ayudar en procesos de toma de decisiones, mejora de la eficiencia, la innovación y el desarrollo, entre otros aspectos. Es de tal forma que surge el enfoque de la analítica de datos. El creciente estudio y desarrollo de modelos enfocados en el análisis de datos ha traído consigo grandes avances en áreas como la ingeniería, la medicina, los negocios y la seguridad, entre otras. Dentro de tales modelos, las redes neuronales han tenido un impacto significativo, gracias a sus resultados altamente precisos y su capacidad de aprendizaje y adaptación a los datos. Específicamente, las redes neuronales que implementan lógica difusa destacan, ya que permiten al modelo manejar la incertidumbre y datos vagos e incompletos, características comunes en problemas del mundo real. Sin embargo, las redes neuronales de lógica difusa, o redes neuro difusas, todavía enfrentan algunas limitaciones. Por ejemplo, la implementación de estos modelos puede resultar conceptualmente difícil, lo que dificulta su comprensión e interpretación. Además, suelen requerir muchos recursos computacionales, tiempo de ejecución, tal que a menudo necesitan modelos de optimización especializados debido a la complejidad de los parámetros involucrados. Por tanto, en el presente proyecto de tesis se presentan una serie de conceptos que buscan, a través del análisis de diversos enfoques, construir una red neuronal de lógica difusa Arquimediana compensatoria. Esta red, mediante el aprendizaje de predicados lógicos, pretende resolver problemas de analítica de datos a través de un modelo interpretable y preciso, evitando así el uso de recursos extra lógicos, lo cual facilita su interpretación semántica. De esta manera, se contribuye a la creación de modelos no solo precisos en tareas de clasificación e inferencia, sino también interpretables y explicables en función del lenguaje natural. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | METODOS DE REPRESENTACION, INTERPRETACIÓN, BUSQUEDA E INFERENCIA BASADOS EN APRENDIZAJE CON REDES NEURONALES, PARA ANALITICA DE DATOS | es_MX |
| dc.title | METODOS DE REPRESENTACION, INTERPRETACIÓN, BUSQUEDA E INFERENCIA BASADOS EN APRENDIZAJE CON REDES NEURONALES, PARA ANALITICA DE DATOS A TRAVES DE PREDICADOS DE LOGICA DIFUSA. | es_MX |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_MX |
| dc.contributor.director | CRUZ REYES, LAURA %122925 | - |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Tijuana | es_MX |
| Appears in Collections: | DOCTORADO EN CIENCIAS EN COMPUTACIÓN | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| LLORANTE PERALTA.pdf | TESIS DOCTORADO | 8.61 MB | Adobe PDF | View/Open |
| LLORENTE PERALTA_CESION DE DERECHOS DE AUTOR .pdf | CESION DE DERECHOS | 51.67 kB | Adobe PDF | View/Open |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
