El modelo de aprendizaje de gradiente ha suscitado una gran atención debido a sus prometedoras perspectivas de aplicación en estadística, reducción de la dimensionalidad de los datos y otros campos específicos. En este trabajo, planteamos un nuevo modelo de aprendizaje de gradiente para la medición de la similitud de ontologías y el mapeo de ontologías en un entorno de multidivisión. El error muestral en este entorno viene dado por la virtud del espacio de hipótesis y el truco del operador de división de ontologías. Finalmente, dos experimentos presentados en el campo de la robótica vegetal y humanoide verifican la eficiencia del nuevo modelo de cálculo para la medida de la similitud de ontologías y las aplicaciones de mapeo de ontologías en un entorno multidividido.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Estudio sobre el efecto microestructural de las partículas de negro de humo en los compuestos de caucho rellenos
Artículo:
Caracterización óptica y mecanismo de crecimiento de la combinación de nanocables y nanorods de óxido de zinc a distintas temperaturas del sustrato
Artículo:
Análisis de diferentes técnicas de clasificación para una interfaz cerebro-ordenador basada en la espectroscopia del infrarrojo cercano de dos clases
Artículo:
Algoritmo de localización de nodos DV-Hop basado en OSG en redes de sensores inalámbricas
Artículo:
Perlas de quitosano cargadas con dexametasona y recubiertas con un complejo interpolimérico dependiente del pH para la administración de fármacos específicos en el colon
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala