stringtranslate.com

Aproximación de funciones

Varias aproximaciones de una función escalonada.
Varias aproximaciones progresivamente más precisas de la función escalonada .
Una función gaussiana asimétrica se ajusta a una curva ruidosa mediante regresión.
Una función gaussiana asimétrica se ajusta a una curva ruidosa mediante regresión.

En general, un problema de aproximación de funciones nos pide que seleccionemos una función entre una clase bien definida [ cita necesaria ] [ aclaración necesaria ] que coincide estrechamente ("se aproxima") a una función objetivo [ cita necesaria ] de una manera específica de la tarea. [1] [ se necesita mejor fuente ] La necesidad de aproximaciones de funciones surge en muchas ramas de las matemáticas aplicadas , y en la informática en particular [ ¿por qué? ] , [ cita necesaria ] como predecir el crecimiento de microbios en microbiología . [2] Las aproximaciones de funciones se utilizan cuando los modelos teóricos no están disponibles o son difíciles de calcular. [2]

Se pueden distinguir [ cita necesaria ] dos clases principales de problemas de aproximación de funciones:

Primero, para funciones objetivo conocidas, la teoría de la aproximación es la rama del análisis numérico que investiga cómo ciertas funciones conocidas (por ejemplo, funciones especiales ) pueden ser aproximadas por una clase específica de funciones (por ejemplo, polinomios o funciones racionales ) que a menudo tienen propiedades deseables. (cálculos económicos, continuidad, valores integrales y límite, etc.). [3]

En segundo lugar, la función objetivo, llámela g , puede ser desconocida; en lugar de una fórmula explícita, solo se proporciona un conjunto de puntos de la forma ( x , g ( x )). [ cita necesaria ] Dependiendo de la estructura del dominio y codominio de g , pueden ser aplicables varias técnicas para aproximar g . Por ejemplo, si g es una operación con números reales , se pueden utilizar técnicas de interpolación , extrapolación , análisis de regresión y ajuste de curvas . Si el codominio (rango o conjunto objetivo) de g es un conjunto finito, se trata de un problema de clasificación . [4]

Hasta cierto punto, los diferentes problemas (regresión, clasificación, aproximación de aptitud ) han recibido un tratamiento unificado en la teoría estadística del aprendizaje , donde se consideran problemas de aprendizaje supervisado . [ cita necesaria ]

Referencias

  1. ^ Lakemeyer, Gerhard; Sklar, Elizabeth; Sorrenti, Domenico G.; Takahashi, Tomoichi (4 de septiembre de 2007). RoboCup 2006: Copa Mundial de Fútbol de Robots X. Springer. ISBN 978-3-540-74024-7.
  2. ^ ab Basheer, IA; Hajmeer, M. (2000). "Redes neuronales artificiales: fundamentos, informática, diseño y aplicación" (PDF) . Revista de métodos microbiológicos . 43 (1): 3–31. doi :10.1016/S0167-7012(00)00201-3. PMID  11084225. S2CID  18267806.
  3. ^ Mhaskar, Hrushikesh Narhar; Pai, Devidas V. (2000). Fundamentos de la teoría de la aproximación. Prensa CRC. ISBN 978-0-8493-0939-7.
  4. ^ Carta, David; Carta, Francisco; García, Salvador; Herrera, Francisco (01-04-2019). "Una instantánea de los problemas de aprendizaje supervisado no estándar: taxonomía, relaciones, transformaciones de problemas y adaptaciones de algoritmos". Avances en Inteligencia Artificial . 8 (1): 1–14. arXiv : 1811.12044 . doi :10.1007/s13748-018-00167-7. ISSN  2192-6360. S2CID  53715158.

Ver también