- -

Design of a Machine Learning-based Approach for Fragment Retrieval on Models

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Design of a Machine Learning-based Approach for Fragment Retrieval on Models

Show full item record

Marcén Terraza, AC. (2020). Design of a Machine Learning-based Approach for Fragment Retrieval on Models [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/158617

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10251/158617

Files in this item

Item Metadata

Title: Design of a Machine Learning-based Approach for Fragment Retrieval on Models
Author: Marcén Terraza, Ana Cristina
Director(s): Cetina Englada, Carlos Pastor López, Oscar
UPV Unit: Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació
Read date / Event date:
2020-11-30
Issued date:
Abstract:
[ES] El aprendizaje automático (ML por sus siglas en inglés) es conocido como la rama de la inteligencia artificial que reúne algoritmos estadísticos, probabilísticos y de optimización, que aprenden empíricamente. ML puede ...[+]


[CAT] L'aprenentatge automàtic (ML per les seues sigles en anglés) és conegut com la branca de la intel·ligència artificial que reuneix algorismes estadístics, probabilístics i d'optimització, que aprenen empíricament. ML ...[+]


[EN] Machine Learning (ML) is known as the branch of artificial intelligence that gathers statistical, probabilistic, and optimization algorithms, which learn empirically. ML can exploit the knowledge and the experience ...[+]
Subjects: Fragment Retrieval , Software Engineering , Model Driven Engineering , Machine Learning , Evolutionary Algorithms , Aprendizaje automático , Algoritmos evolutivos , Ingeniería basada en modelos , Ingenieria del software , Recuperación de fragmentos
Copyrigths: Reserva de todos los derechos
DOI: 10.4995/Thesis/10251/158617
Publisher:
Universitat Politècnica de València
Type: Tesis doctoral

This item appears in the following Collection(s)

Show full item record