| Revue: | Tecnociencia Chihuahua |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000450146 |
| ISSN: | 1870-6606 |
| Autores: | Majalca Martínez, Ricardo1 Acosta Cano de los Ríos, Pedro Rafael1 |
| Instituciones: | 1Instituto Tecnológico de Chihuahua, Chihuahua. México |
| Año: | 2015 |
| Periodo: | Sep-Dic |
| Volumen: | 9 |
| Número: | 3 |
| Paginación: | 148-159 |
| País: | México |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico, descriptivo |
| Resumen en español | Se presenta el estado actual de clasificadores de multiples clases implementados con redes Multi Layer Perceptron, MLP. Los clasificadores de multiples clases basados en redes MLP han sido utilizados en muchos casos con exito. Se presentan, primero, los aspectos generales y las diferentes formas de implementar clasificadores de multiples clases, incluyendo las redes MLP. Despues se presentan aspectos de arquitectura de las redes MLP clasificadoras incluyendo consideraciones de diseno y organizacion tales como: capas de entrada, ocultas y de salida, asi como la cantidad de neuronas en cada capa. Luego viene una revision acerca de las metodologias existentes para su entrenamiento, y como es que la organizacion de la red afecta las condiciones de entrenamiento. A continuacion, se presentan casos de uso de las redes MLP como clasificadores, sus caracteristicas y detalles acerca de los parametros referentes al diseno de la red y tambien se revisan los resultados de su aplicacion. En el material revisado, pareciera ser que el desempeno depende en gran medida de su aplicacion especifica, aunque no existe trabajo que demuestre esto en forma determinante |
| Resumen en inglés | The current state of classifiers multiple classes implementedMulti Layer Perceptron networks, MLP, is presented. Multi-classclassifiers based on MLP neural network have been successfullyused in many cases. First, general aspects and existingapproaches of implementing multi-class classifiers are introduced,including MLP neural networks. Afterwards, aspects on MLPnetwork architecture are described, including the design andorganization considerations such as input layers, hidden layersand output layers, as well as amount of neurons in each layer.Then comes a review on existing methodologies for training,and how the network organization affects the training conditions.Afterwards, some cases of MLP networks used as classifiersare revised, considering their characteristics and details aboutnetwork design along with its results in the particular application.Although it seems from the review of literature that theperformance of this kind of classifiers largery depends on thespecific application, there exist no concluding results on it |
| Disciplinas: | Ciencias de la computación |
| Palabras clave: | Redes, Redes neuronales, Clasificadores de clases múltiples, Entrenamiento |
| Keyword: | Networks, Neuronal networks, Multiple class classifiers, Training |
| Texte intégral: | Texto completo (Ver HTML) Texto completo (Ver PDF) |
