MGranaMaterialesdetrabajo
De Grupo de Inteligencia Computacional (GIC)
Clasificación
- El método multivariante más "sencillo" es el Naive Bayes [1] que asume independencia entre las variables y, usualmente, modela con distribuciones normales las distribuciones de probabilidad condicional (verosimilitud/likelihood) de las clases.
- Extreme Learning Machines: los clasificadores/regresores en dos etapas se construyen haciendo que la primera etapa se genere de forma aleatoria y la segunda se resuelve por mínimos cuadrados. [2]
Control
- Los métodos de aprendizaje por refuerzo [3] realizan el aprendizaje en función del feedback del entorno, se consideran no supervisados en la medida en que no hay una señal objetivo. Su aplicación más exitosa es la generación de sistemas de control a partir de experimentos reales o simulados. Nosotros tratamos de aplicarlo al control de sistemas multirobot linkados.
