Aprendizaje en ausencia de datos de entrenamiento

Este libro presenta el concepto de "aprendizaje a medida", un nuevo enfoque mecanicista que permite generar valores de una variable de salida en cada valor designado de una variable de entrada asociada. Aquí la variable de salida generalmente proporciona información sobre el comportamiento/estructura del sistema, y ​​el objetivo es aprender la relación entrada-salida, aunque haya poca o ninguna información disponible sobre la salida, como en múltiples problemas del mundo real. Una vez que los valores de salida se han aprendido a medida, el conjunto de entrenamiento de pares entrada-salida originalmente ausente queda disponible, de modo que entonces es posible el aprendizaje (supervisado) de la relación entre variables buscada. Se ofrecen tres formas de emprender este aprendizaje personalizado: aprovechando la dinámica de sistemas en sistemas dinámicos genéricos, para aprender la función que causa la evolución del sistema; comparando realizaciones de una variable gráfica aleatoria, dados conjuntos de datos de series temporales multivariadas de cobertura temporal dispar; y diseñando probabilidades de máxima disponibilidad de información en sistemas estáticos. Estas metodologías se aplican a cuatro problemas diferentes del mundo real: pronosticar las cifras diarias de infección por COVID-19; aprender la densidad de masa gravitacional en una galaxia real; aprender una función de densidad del material del subsuelo; y predecir el riesgo de aparición de una enfermedad tras un trasplante de médula ósea. Dirigido principalmente a estudiantes de grado y posgrado que estudian un campo que incluye facetas del aprendizaje estadístico, el libro también beneficiará a los expertos que trabajan en una amplia gama de aplicaciones. Los requisitos previos son procesos estocásticos y de probabilidad a nivel universitario, e ideas preliminares sobre estadística bayesiana.

• | Autor: Dalia Chakrabarty
• | Editorial: Springer
• | Fecha de publicación: 14 de julio de 2023
• | Número de páginas: 245 páginas
• | Idioma: inglés
• | Encuadernación: Tapa dura
• | ISBN-10: 3031310101
• | ISBN-13: 9783031310102