Aprendizaje automático y aprendizaje profundo
Big data: datos masivos. Primera entrega
EMG Pattern Recognition in the Era of Big Data and Deep Learning
Reconocimiento de patrones de EMG en la era de datos masivos y aprendizaje profundo
En este documento se brinda una introducción breve de los factores principales que expanden los recursos de datos electromiográficos (EMG, por su sigla en inglés) en la era de los datos masivos gracias a los progresos recientes de los conjuntos de datos EMG compartidos. También se muestra una revisión de la investigación y desarrollo reciente en métodos de reconocimiento de patrones EMG que se pueden aplicar a la analítica de datos masivos.
Este artículo fue preparado por Angkoon Phinyomark y Erik Scheme (University of New Brunswick, Fredericton, NB, Canadá) para Big Data and Cognitive Computing (vol. 2, núm. 3, 2018, art. 21, 27 págs.), publicación internacional e interdisciplinaria vinculada a MDPI, plataforma de revistas científicas de acceso abierto operada por MDPI Verein (Basilea, Suiza). Correo de contacto: [email protected].
Enhancing Health Risk Prediction with Deep Learning on Big Data and Revised Fusion Node Paradigm
Mejorando la predicción de riesgos a la salud con aprendizaje profundo en datos masivos y el paradigma de nodo de fusión revisado
El propósito de esta investigación fue desarrollar un marco para mejorar la predicción de la salud con los paradigmas de nodo de fusión revisado y aprendizaje profundo. El nodo de fusión es un modelo de fusión de información para construir sistemas de predicción. El aprendizaje profundo implica la aplicación compleja de algoritmos de aprendizaje automático, tales como fusiones bayesianas y redes neuronales, para la extracción de datos e inferencia lógica.
Este documento fue preparado por Hongye Zhong y Jitian Xiao (Edith Cowan University, Joondalup, WA, Australia) para Scientific Programming (vol. 2017, 2017, art. 1901876, 18 págs), revista de Hindawi Publishing Corporation (El Cairo (Egipto), Londres (Reino Unido), Nueva York (Estados Unidos)) que cubre todas las áreas de la programación científica. Correo de contacto: [email protected].
- Video:Aprendizaje profundo: una perspectiva global | NPDL en Uruguay | audio español (doblado)
- Fuente:YouTube
