Show simple item record

dc.contributorCamilo, Rocha Niño
dc.creatorPinzón Henao, Carlos Antonio
dc.date2020-08-25
dc.date.accessioned2020-08-25T21:12:41Z
dc.date.available2020-08-25T21:12:41Z
dc.identifier.citationPinzón Henao, C. A. (2020, agosto 25) An Approach to Optimal Discretization of Continuous Real Random Variables with Application to Machine Learning. Pontificia Universidad Javeriana, Cali.spa
dc.identifier.urihttp://hdl.handle.net/11522/13731
dc.descriptionEste documento explora algunos métodos de discretización para variables aleatorias reales continuas, su rendimiento y algunas de sus aplicaciones. En particular, este trabajo toma prestado un método de discretización bien estudiado por la comunidad de procesamiento de señales, llamado cuantificador de alta resolución de distorsión mínima, y lo utiliza en el aprendizaje automático con el propósito de ilustrar cómo y cuándo puede mejorar las técnicas y metodologías típicamente utilizadas.spa
dc.description.abstractThis document explores some discretization methods for continuous real random variables, their performance and some of their applications. Particularly, this work borrows a well-studied discretization method from the signal processing community, called the minimal distortion high resolution quantizer, and makes use of it in machine learning with the purpose of illustrating how and when it can improve typically used techniques and methodologies.spa
dc.formatapplication/pdfspa
dc.languageengspa
dc.publisherPontificia Universidad Javerianaspa
dc.rightsEl o los autores otorgan licencia de uso parcial de la obra a favor de la Pontificia Universidad Javeriana Seccional Cali, teniendo en cuenta que en cualquier caso, la finalidad perseguida siempre será facilitar, difundir y promover el aprendizaje, la enseñanza y la investigación. Con la licencia el o los autores autorizan a la Pontificia Universidad Javeriana Seccional Cali: la publicación en formato o soporte material, de acuerdo con las condiciones internas que la Universidad ha establecido para estos efectos. La edición o cualquier otra forma de reproducción, incluyendo la posibilidad de trasladarla al sistema o entorno digital. La inclusión en cualquier otro formato o soporte como multimedia, colecciones, recopilaciones o, en general, servir de base para cualquier otra obra derivada. La comunicación y difusión al público por cualquier procedimiento o medio (impreso o electrónico). La inclusión en bases de datos y en sitios web, sean éstos onerosos o gratuitos, existiendo con ellos previo convenio perfeccionado con la Pontificia Universidad Javeriana Cali para efectos de satisfacer los fines previstos. En estos eventos, tales sitios tendrán las mismas facultades que las aquí concedidas para la referida universidad, con las mismas limitaciones y condiciones. El o los autores continúan conservando los correspondientes derechos sin modificación o restricción alguna, puesto que de acuerdo con la legislación colombiana aplicable, el acuerdo jurídico con la Pontificia Universidad Javeriana Cali, en ningún caso conlleva la enajenación del derecho de autor y de sus conexos. EL AUTOR, expresa que el artículo, folleto o libro objeto de la presente autorización es original y la elaboró sin quebrantar ni suplantar los derechos de autor de terceros, y de tal forma, el recurso electrónico aquí presentado es de su exclusiva autoría y tiene la titularidad sobre éste. PARÁGRAFO: en caso de queja o acción por parte de un tercero referente a los derechos de autor sobre el recurso electrónico en cuestión, EL AUTOR, asumirá la responsabilidad total, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos, la Pontificia Universidad Javeriana Cali actúa como un tercero de buena fe.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subjectFacultad de Ingenieríaspa
dc.subjectMaestría en Ingeniería de Sistemas y la Computaciónspa
dc.subjectDiscretizationspa
dc.subjectQuantizationspa
dc.subjectMachine learningspa
dc.subjectHigh resolution quantizerspa
dc.subjectReal analysisspa
dc.subjectDiscretizaciónspa
dc.subjectAnálisis realspa
dc.subjectAprendizaje automáticospa
dc.subjectCuantizaciónspa
dc.subjectCuantizador de alta resoluciónspa
dc.subjectProofspa
dc.subjectDemostraciónspa
dc.titleAn Approach to Optimal Discretization of Continuous Real Random Variables with Application to Machine Learningspa
dc.audiencePontificia Universidad Javeriana communityspa
dc.audienceResearchsspa
dc.audienceJournalistsspa
dc.audienceOtherspa
dc.coverageCali; Lat: 03 24 00 N degrees minutes; Lat: 3.4000 decimal degrees; Long: 076 30 00 W degrees minutes; Long: -76.5000 decimal degreesspa
dc.creator.emailcaph1993@gmail.comspa
dc.pubplace.cityCalispa
dc.rights.accessRightsinfo:eu-repo/semantics/openAccessspa
dc.rights.ccAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.ccAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.source.repositoryReponame:Vitela: Repositorio Institucional PUJspa
dc.source.institutionInstname:Pontificia Universidad Javeriana Calispa


Files in this item

Thumbnail
Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

Atribución-NoComercial-SinDerivadas 2.5 Colombia
Except where otherwise noted, this item's license is described as Atribución-NoComercial-SinDerivadas 2.5 Colombia