Materias
 > Métodos matemáticos y cuantitativos > Estadística > Inferencia estadística > Redes neuronales
Redes neuronales |
(12)
Refinar búsquedaData mining with neural networks / Joseph P. Bigus (cop. 1996)
Título : Data mining with neural networks : solving business problems from application development to decision support Tipo de documento: texto impreso Autores: Joseph P. Bigus, Autor Editorial: Madrid ; New York ; México : McGraw-Hill Fecha de publicación: cop. 1996 Colección: Computing Número de páginas: XVII, 220 p. Il.: il., gráf., tablas Dimensiones: 23 cm ISBN/ISSN/DL: 978-0-07-005779-1 Idioma : Inglés (eng) Materias: Redes neuronales
Sistemas expertos
Tratamiento automático de datosClasificación: 004.65 Bases de datos y sus estructuras. Sistemas de gestión de bases de datos. Análisis de datos Nota de contenido: Resumen y bibliografía en cada capítulo, glosario e índice. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=43290 Data mining with neural networks : solving business problems from application development to decision support [texto impreso] / Joseph P. Bigus, Autor . - Madrid ; New York ; México : McGraw-Hill, cop. 1996 . - XVII, 220 p. : il., gráf., tablas ; 23 cm. - (Computing) .
ISBN : 978-0-07-005779-1
Idioma : Inglés (eng)
Materias: Redes neuronales
Sistemas expertos
Tratamiento automático de datosClasificación: 004.65 Bases de datos y sus estructuras. Sistemas de gestión de bases de datos. Análisis de datos Nota de contenido: Resumen y bibliografía en cada capítulo, glosario e índice. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=43290 Reserva
Reservar este documento
Ejemplares (1)
Signatura Medio Ubicación Sub-localización Sección Estado 004.65 BIG dat Monografías Campus Pirineos Monografías Disponible
Título : Deep learning Tipo de documento: texto impreso Autores: Ian Goodfellow, Autor ; Yoshua Bengio, Autor ; Aaron Courville, Autor Editorial: Cambridge (Massachusetts) ; London : MIT Press Fecha de publicación: cop. 2016 Colección: Adaptative computation and machine learning Número de páginas: XXII, 775 p. Il.: il., gráf. Dimensiones: 24 cm ISBN/ISSN/DL: 978-0-262-03561-3 Idioma : Inglés (eng) Materias: Inteligencia artificial
Redes neuronales
Tratamiento automático de datosClasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Nota de contenido: Bibliografía e índice. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=43904 Deep learning [texto impreso] / Ian Goodfellow, Autor ; Yoshua Bengio, Autor ; Aaron Courville, Autor . - Cambridge (Massachusetts) ; London : MIT Press, cop. 2016 . - XXII, 775 p. : il., gráf. ; 24 cm. - (Adaptative computation and machine learning) .
ISBN : 978-0-262-03561-3
Idioma : Inglés (eng)
Materias: Inteligencia artificial
Redes neuronales
Tratamiento automático de datosClasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Nota de contenido: Bibliografía e índice. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=43904 Reserva
Reservar este documento
Ejemplares (3)
Signatura Medio Ubicación Sub-localización Sección Estado 004.8 GOO dee Monografías Campus Pirineos Monografías Disponible 004.8 GOO dee Monografías Campus Pirineos Monografías Disponible 004.8 GOO dee Monografías Campus Pirineos Monografías Disponible Documentos electrónicos
Acceso a materiales adicionalesURL
Título : Deep learning para la predicción en el mercado de las criptodivisas Tipo de documento: documento electrónico Autores: Daniel Buendía Ureña, Autor ; Alejandro Baldominos Gómez, Director de tesi Fecha de publicación: 2022 Número de páginas: 32 p. Nota general: Máster Universitario en Ciencia de Datos Idioma : Español (spa) Materias: Dinero electrónico
Inteligencia artificial
Redes neuronalesPalabras clave: Criptomonedas; Deep Learning; redes neuronales; Bitcoin; Ethereum; LSTM; GRU; recurrentes, hiperparámetros. Clasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Resumen: Las criptodivisas son unos activos digitales cuya importancia ha crecido exponencialmente en la última década. Como consecuencia, en este trabajo se implementarán algoritmos de Deep Learning para la predicción de dos de las más relevantes y que mayor volumen de mercado colman: Bitcoin y Ethereum. Para ello, se han obtenido las series temporales de las monedas y se han depurado los datos para quedarnos con aquellos que nos aportan valor al estudio. Después, se ha procedido a una normalización de los valores de cotización y a la creación de varias ventanas deslizantes que entrenen los modelos. Estos se han basado en la aplicación de redes neuronales recurrentes con memoria a corto y largo plazo como las GRU y las LSTM y en el posterior ajuste de los parámetros pertinentes. El análisis realizado demuestra la eficacia de las redes neuronales en la predicción de series temporales, obteniendo unos niveles de error bastante aceptables. No obstante, debido al carácter caótico de las criptomonedas, es recomendable el uso de información adicional que recoja acontecimientos clave en cuanto a sus cambios de valor o el sentimiento de los inversores. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=50108 Deep learning para la predicción en el mercado de las criptodivisas [documento electrónico] / Daniel Buendía Ureña, Autor ; Alejandro Baldominos Gómez, Director de tesi . - 2022 . - 32 p.
Máster Universitario en Ciencia de Datos
Idioma : Español (spa)
Materias: Dinero electrónico
Inteligencia artificial
Redes neuronalesPalabras clave: Criptomonedas; Deep Learning; redes neuronales; Bitcoin; Ethereum; LSTM; GRU; recurrentes, hiperparámetros. Clasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Resumen: Las criptodivisas son unos activos digitales cuya importancia ha crecido exponencialmente en la última década. Como consecuencia, en este trabajo se implementarán algoritmos de Deep Learning para la predicción de dos de las más relevantes y que mayor volumen de mercado colman: Bitcoin y Ethereum. Para ello, se han obtenido las series temporales de las monedas y se han depurado los datos para quedarnos con aquellos que nos aportan valor al estudio. Después, se ha procedido a una normalización de los valores de cotización y a la creación de varias ventanas deslizantes que entrenen los modelos. Estos se han basado en la aplicación de redes neuronales recurrentes con memoria a corto y largo plazo como las GRU y las LSTM y en el posterior ajuste de los parámetros pertinentes. El análisis realizado demuestra la eficacia de las redes neuronales en la predicción de series temporales, obteniendo unos niveles de error bastante aceptables. No obstante, debido al carácter caótico de las criptomonedas, es recomendable el uso de información adicional que recoja acontecimientos clave en cuanto a sus cambios de valor o el sentimiento de los inversores. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=50108 Ejemplares
Signatura Medio Ubicación Sub-localización Sección Estado ningún ejemplar Documentos electrónicos
Documento completoURL
Título : Deep learning para la predicción en el mercado de valores Tipo de documento: documento electrónico Autores: Víctor Fernández Jiménez, Autor ; Alejandro Baldominos Gómez, Director de tesi Fecha de publicación: 2022 Número de páginas: 28 p. Nota general: Máster Universitario en Ciencia de Datos Idioma : Español (spa) Materias: Inteligencia artificial
Mercado de valores
Redes neuronalesClasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Resumen: El presente proyecto es una investigación sobre la utilización de técnicas de predicción de aprendizaje profundo sobre el mercado del petróleo, más concretamente utilizando y comparando los resultados de distintas arquitecturas de redes neuronales para clasificación y regresión relativos a los activos seleccionados. Por un lado, se trata de resolver un problema de clasificación binaria para predecir la tendencia: alcista o bajista. Por otro lado, mediante un problema de regresión, se pretende predecir el valor que alcanzará el activo en cuestión. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=50115 Deep learning para la predicción en el mercado de valores [documento electrónico] / Víctor Fernández Jiménez, Autor ; Alejandro Baldominos Gómez, Director de tesi . - 2022 . - 28 p.
Máster Universitario en Ciencia de Datos
Idioma : Español (spa)
Materias: Inteligencia artificial
Mercado de valores
Redes neuronalesClasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Resumen: El presente proyecto es una investigación sobre la utilización de técnicas de predicción de aprendizaje profundo sobre el mercado del petróleo, más concretamente utilizando y comparando los resultados de distintas arquitecturas de redes neuronales para clasificación y regresión relativos a los activos seleccionados. Por un lado, se trata de resolver un problema de clasificación binaria para predecir la tendencia: alcista o bajista. Por otro lado, mediante un problema de regresión, se pretende predecir el valor que alcanzará el activo en cuestión. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=50115 Ejemplares
Signatura Medio Ubicación Sub-localización Sección Estado ningún ejemplar Documentos electrónicos
Documento completoURL
Título : Deep learning with Pytorch Tipo de documento: texto impreso Autores: Eli Stevens, Autor ; Luca Antiga, Autor ; Thomas Viehmann, Autor ; Soumith Chintala, Prefacio, etc Editorial: Shelter Island (New York) : Manning Fecha de publicación: cop. 2020 Número de páginas: XXVIII, 490 p. Il.: il., gráf. Dimensiones: 24 cm ISBN/ISSN/DL: 978-1-61729-526-3 Idioma : Inglés (eng) Materias: Inteligencia artificial
Lenguajes de programación
Redes neuronalesClasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Nota de contenido: Ejercicios en cada capítulo e índice. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=49753 Deep learning with Pytorch [texto impreso] / Eli Stevens, Autor ; Luca Antiga, Autor ; Thomas Viehmann, Autor ; Soumith Chintala, Prefacio, etc . - Shelter Island (New York) : Manning, cop. 2020 . - XXVIII, 490 p. : il., gráf. ; 24 cm.
ISBN : 978-1-61729-526-3
Idioma : Inglés (eng)
Materias: Inteligencia artificial
Lenguajes de programación
Redes neuronalesClasificación: 004.8 Inteligencia artificial. Razonamiento y aprendizaje automatizados. Sistemas inteligentes Nota de contenido: Ejercicios en cada capítulo e índice. Link: https://biblioteca.cunef.edu/gestion/catalogo/index.php?lvl=notice_display&id=49753 Reserva
Reservar este documento
Ejemplares (1)
Signatura Medio Ubicación Sub-localización Sección Estado 004.8 STE dee Monografías Campus Leonardo Prieto Castro 1ª Planta Disponible Documentos electrónicos
Acceso a materiales adicionalesURL
Acceso al e-book actualizado (consultar contraseña en Biblioteca)URLDiseño y desarrollo de una herramienta de detección de la expresión facial de las emociones y su uso en el tratamiento y detección de la Alexitimia / Arturo Sánchez Palacio (2019)
Permalink
PermalinkPermalink
PermalinkPermalink
Permalink
Permalink
