RT info:eu-repo/semantics/bachelorThesis
T1 Técnicas generativas y de reducción de dimensión basadas en transporte óptimo
A1 Rogel Rodríguez, Alejandro
A2 Universidad de Valladolid. Facultad de Ciencias
K1 Aprendizaje automático
K1 Redes generativas adversariales
K1 Distancia de Wasserstein
AB Describir objetos con estructura compleja de forma mas simple es uno de los problemas clásicos en Estadística. El Análisis de Componentes Principales(ACP) es uno de los ejemplos fundamentales en este ámbito. Se puede entender este análisis en términos de un problema de codificación, en el quebuscamos una transformación lineal del espacio original a otro de dimensión menor seguido de otra transformación lineal, del espacio de dimensiónmenor al original de forma que la pérdida en el proceso de codificación/decodificación sea mínima. La restricción a codificadores lineales puede resultarpoco flexible. Esta idea está detrás de los autocodificadores, en los que la transformación se elige mediante una red neuronal. Pero el exceso deflexibilidad puede conducir a codificadores poco estables y esto se debe corregir mediante algún tipo de penalización. En este trabajo se propone estudiarel caso de penalizaciones basadas en la métrica del transporte óptimo. Se estudiarán las posibles ventajas e inconvenientes de esta aproximación frentea las alternativas más frecuentes y los principales aspectos de su implementación práctica. El trabajo constará de una parte computacional, en unlenguaje de uso común (R o Python).
YR 2023
FD 2023
LK https://uvadoc.uva.es/handle/10324/63173
UL https://uvadoc.uva.es/handle/10324/63173
LA spa
NO Departamento de Estadística e Investigación Operativa
DS UVaDOC
RD 14-mar-2025