Ir al contenido (pulsa Retorno)

Universitat Politècnica de Catalunya

    • Català
    • Castellano
    • English
    • LoginRegisterLog in (no UPC users)
  • mailContact Us
  • world English 
    • Català
    • Castellano
    • English
  • userLogin   
      LoginRegisterLog in (no UPC users)

UPCommons. Global access to UPC knowledge

Banner header
13.660 Articles in journals published by the UPC
You are here:
View Item 
  •   DSpace Home
  • Revistes
  • Qüestiió (Quaderns d'estadística i investigació operativa)
  • 1981, vol. 5, núm. 3
  • View Item
  •   DSpace Home
  • Revistes
  • Qüestiió (Quaderns d'estadística i investigació operativa)
  • 1981, vol. 5, núm. 3
  • View Item
JavaScript is disabled for your browser. Some features of this site may not work without it.

Estimation recursive d’une partition. Exemples d’apprentissage et auto-apprentissage dans R-expN et I-expN

Thumbnail
View/Open
article.pdf (1,063Mb)
  View Usage Statistics
  LA Referencia / Recolecta stats
Cita com:
hdl:2099/4446

Show full item record
Aguilar Martín, Josep
Balssa, M.
López de Mátaras Badía, Ramón
Document typeArticle
Defense date1981-09
PublisherUniversitat Politècnica de Barcelona. Centre de Càlcul
Rights accessOpen Access
Attribution-NonCommercial-NoDerivs 2.5 Spain
Except where otherwise noted, content on this work is licensed under a Creative Commons license : Attribution-NonCommercial-NoDerivs 2.5 Spain
Abstract
Nous allons présenter dans cet article un algorithme de classification du type auto-apprentissage qui peut traiter des données multidimensionnelles continues à l'intérieur du cube unitaire: CLRO. La première partie traite de divers concepts généraux régissant, à notre avis, les algorithmes d'auto-apprentissage. Dans une deuxième partie nous supposerons que les données ne peuvent prendre que les deux seules valeurs 0 ou 1; ceci nous permettra d'établir une estimation récursive d'une loi de probabilité répresentée de façon exponentielle ayant un forme particulièrment simple. Nous généraliserons ensuite au cas des données réelles comprises entre 0 et 1. On montre que, moyennant certaines hypothèses simplificatrices que l'on justifie, l'algorithme conserve sa forme simple. La troisième partie traite, sous le schéma général, le cas de la classification automatique de points dans l'espace RN, considérés munis de mesures gausiennes. L'algorithme est développé avec le souci de la simplicité des calculs en vue de son utilisation en ligne de façon récursive. Il procède a l'estimation de la moyenne et de la covariance des classes au fur et à la mesure qu'elles sont crées et modifiées selon les principes décrits pour l'auto-apprentissage. Nous donnons un example d'application à la reconaissance d'objects en Robotique.
 
In this paper we present two algorithms, based on a self learning process, for the sequential classification of multidimensional data. In the first part we discuss the general aspects of sequential learning algorithms. In the second part we describe an algorithm for the sequential classification of data in the unit cube I^n, i.c. data whose values are between 0 and 1. In the third part we describe another algorithm to classify gaussian data in R^n. Finally, we discuss an application of these algorithms to the problem of object recognition in robotics, and we compare the results and the computation time obtained with both algorithms.
URIhttp://hdl.handle.net/2099/4446
ISSN0210-8054 (versió paper)
Collections
  • Qüestiió (Quaderns d'estadística i investigació operativa) - 1981, vol. 5, núm. 3 [6]
  View Usage Statistics

Show full item record

FilesDescriptionSizeFormatView
article.pdf1,063MbPDFView/Open

Browse

This CollectionBy Issue DateAuthorsOther contributionsTitlesSubjectsThis repositoryCommunities & CollectionsBy Issue DateAuthorsOther contributionsTitlesSubjects

© UPC Obrir en finestra nova . Servei de Biblioteques, Publicacions i Arxius

info.biblioteques@upc.edu

  • About This Repository
  • Contact Us
  • Send Feedback
  • Privacy Settings
  • Inici de la pàgina