La detección de errores groseros ha sido llevada a cabo típicamente mediante pruebas rigurosas estadísticas de hipótesis. Las suposiciones requeridas para deducir las propiedades estadísticas necesarias son restrictivas, lo que conduce a la investigación a enfoques alternativos tales como las redes neuronales artificiales. En este documento se reportan los resultados de un estudio sobre la utilidad de los árboles de clasificación y las funciones de clasificación lineales y cuadráticas para resolver la detección de errores groseros.
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.
Video:
Tecnología de reducción de costos en la industria: operaciones
Artículo:
Advertencia temprana de detección de inicio de fuga en reactores químicos
Video:
Introducción a la Teoría de Colas parte 2
Video:
Estimación de máxima verosimilitud e intervalos de confianza
Video:
Lección anual de Navidad de Donald Knuth: grafos planares y árboles ternarios
Artículo:
Creación de empresas y estrategia : reflexiones desde el enfoque de recursos
Artículo:
Importancia, manejo y control de extraíbles e incrustaciones (pitch) en la fabricación de papel
Libro:
Tratamientos avanzados de aguas residuales industriales
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores