Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Aprendizaje no supervisado
Aprendizaje no supervisado es un método de Aprendizaje Automático donde un modelo se
ajusta a las observaciones. Se distingue del Aprendizaje supervisado por el hecho de que no hay un
conocimiento a priori. En el aprendizaje no supervisado, un conjunto de datos de objetos de entrada
es tratado. Así, el aprendizaje no supervisado típicamente trata los objetos de entrada como un
conjunto de variables aleatorias, siendo construido un modelo de densidad para el conjunto de
datos.
El aprendizaje no supervisado se puede usar en conjunto con la Inferencia bayesiana para producir
probabilidades condicionales (es decir, aprendizaje supervisado) para cualquiera de las variables
aleatorias dadas. El Santo Grial del aprendizaje no supervisado es la creación de un código factorial
de los datos, esto es, un código con componentes estadísticamente independientes. El aprendizaje
supervisado normalmente funciona mucho mejor cuando los datos iniciales son primero traducidos
en un código factorial.
Otra forma de aprendizaje no supervisado es la agrupación (en inglés, clustering), el cual a veces no
es probabilístico.
La Teoría de resonancia adaptativa (ART) permite variar el número de agrupaciones en función del
tamaño del problema, permitiendo al usuario el control del grado de similitud entre miembros de
las mismas agrupaciones en términos de una constante definida por el usuario llamada el
parámetro de vigilancia. Las redes ART se usan también en muchas tareas de reconocimiento de
patrones, como el reconocimiento automático de objetivos o el procesamiento de señales sísmicas.
La primera versión de ART fue "ART1", desarrollada por Carpenter y Grossberg (1988).
Índice
Características
Bibliografía
Véase también
Referencias
Características
En este apartado se muestran las principales características de las redes de neuronas artificiales no
supervisadas:1
https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado 1/2
6/7/22, 12:56 Aprendizaje no supervisado - Wikipedia, la enciclopedia libre
Bibliografía
Geoffrey Hinton, Terrence J. Sejnowski (editors) (1999) Unsupervised Learning and Map
Formation: Foundations of Neural Computation, MIT Press, ISBN 0-262-58168-X (Este libro se
centra en el aprendizaje no supervisado con Red neuronal artificial.)
Horace Barlow, T. P. Kaushal, and G. J. Mitchison. Finding minimum entropy codes. Neural
Computation, 1:412-423, 1989.
Véase también
Algoritmo expectación-maximización
Análisis de grupos
Análisis multivariante
Mapa autoorganizado
Meta aprendizaje (Ciencias de la Computación)
Redes de funciones de base radial
Referencias
1. Aprendizaje no supervisado (http://www.lab.inf.uc3m.es/~a0080630/redes-de-neuronas/kohonen-l
vq.html) Archivado (https://web.archive.org/web/20140722191833/http://www.lab.inf.uc3m.es/~a0
080630/redes-de-neuronas/kohonen-lvq.html) el 22 de julio de 2014 en Wayback Machine.,
Redes de Neuronas Artificiales, UC3M, RAI 2012.
Obtenido de «https://es.wikipedia.org/w/index.php?title=Aprendizaje_no_supervisado&oldid=142704597»
Esta página se editó por última vez el 4 abr 2022 a las 14:39.
El texto está disponible bajo la Licencia Creative Commons Atribución Compartir Igual 3.0;
pueden aplicarse cláusulas
adicionales. Al usar este sitio, usted acepta nuestros términos de uso y nuestra política de privacidad.
Wikipedia® es una marca registrada de la Fundación Wikimedia, Inc., una organización sin ánimo de lucro.
https://es.wikipedia.org/wiki/Aprendizaje_no_supervisado 2/2