000			01852nam a22003137i 4500
001			AZUAY-82929
003			AZUAY
005			20251111042958.0
008			251108b ||||||||qm||| 00| | d
040			_aAZUAY _bspa _cAZUAY _dAZUAY _erda
041	0		_aspa
084			_aUDA-BG T14250
100	1		_aAlvarado Carrera, Juan Marcelo, _eautor
245	1	0	_aClasificación de sílabos académicos en base a redes neuronales de aprendizaje profundo
264	3	1	_aEcuador : _bUniversidad del Azuay-Facultad de Ciencias de la Administración-Escuela de Ingeniería de Sistemas y Telemática, _c2018
300			_a29 páginas
300			_bDigital
336			_2rdacontent _atexto _btxt
337			_2rdamedia _acomputadora _bc
338			_2rdacarrier _arecurso en línea _bcr
502			_aIngeniero en Sistemas y Telemática
520	3		_bA fin de facilitar la homologación de créditos entre las universidades del país, se requiere automatizar la clasificación de sílabos en áreas y subáreas. Esta investigación tiene como objetivo clasificar los sílabos mediante la técnica de redes neuronales conectadas de aprendizaje profundo, a través de una combinación de número de capas, funciones de activación, tamaños y épocas de entrenamiento. Este modelo fue comparado con respecto a algoritmos basados en Support Vector Machine (SVM), Naive Bayes y Árboles de decisión. Los resultados demostraron que el modelo de aprendizaje profundo propuesto fue superior en 1.4% con respecto a Naive Bayes, 6.2% con respecto a SVM y 7.2% con respecto a Árboles de decisión.
650	1	4	_aAPRENDIZAJE PROFUNDO
650	1	4	_aÁRBOL DE DECISIÓN
650	1	4	_aNAIVE BAYES
700	1		_aOrellana Cordero, Marcos Patricio, _edirector de Tesis
856	4	0	_uhttp://dspace.uazuay.edu.ec/handle/datos/8568 _yVer documento en línea
942			_2z _c6
999			_c35965 _d35965