比阿特丽斯·佩雷斯-桑切斯
人员信息
优化列表
2020年–今天
2024 [公元27年] 比阿特丽斯·佩雷斯-桑切斯 , 诺埃利亚·桑切斯·马罗尼奥 , 米盖尔·迪亚斯·弗雷尔 :
帕金森病分类的录音特征分析。 囊 2024 : 531-532 [公元26年] 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 埃琳娜·埃尔南德斯·佩雷拉 , 比阿特丽斯·佩雷斯-桑切斯 :
一种有效的单层神经网络绿色联合学习方法。 囊 2024 : 1050-1052 2023 [公元12年] 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 埃琳娜·埃尔南德斯·佩雷拉 , 比阿特丽斯·佩雷斯-桑切斯 :
FedHEONN:一层神经网络的联合和同态加密学习方法。 未来一代。 计算。 系统。 149 : 200-211 ( 2023 ) [i1] 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 埃琳娜·埃尔南德斯·佩雷拉 , 比阿特丽斯·佩雷斯-桑切斯 :
一种有效的单层神经网络绿色联合学习方法。 CoRR公司 abs/2312.14528 ( 2023 ) 2021 [公元11年] 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
DSVD-自动编码器:一种用于单类分类的可扩展分布式隐私保护方法。 《国际情报杂志》。 系统。 36 ( 1 ) : 177-199 ( 2021 ) [公元25年] 埃琳娜·埃尔南德斯·佩雷拉 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 :
光谱聚类的联合学习方法。 ESANN公司 2021 [公元24年] 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 :
分布式和增量环境下的正则化单层神经网络。 IWANN(2) 2021 : 343-355
2010 – 2019
2018 [公元10年] 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
人工神经网络自适应在线学习综述。 Artif公司。 智力。 修订版。 49 ( 2 ) : 281-299 ( 2018 ) [公元9年] 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
一种用于单层前馈神经网络的增量非迭代学习方法。 申请。 软计算。 70 : 951-958 ( 2018 ) [j8] 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
LANN-SVD:一种基于非迭代SVD的单层神经网络学习算法。 IEEE传输。 神经网络学习。 系统。 29 ( 8 ) : 3900-3905 ( 2018 ) 【c23】 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 , 马塞洛·戈梅斯·卡萨尔 :
LANN-DSVD:一种保护隐私的分布式机器学习算法。 ESANN公司 2018 [公元22年] 诺埃利亚·桑切斯·马罗尼奥 , 比阿特丽斯·佩雷斯-桑切斯 :
标签排名的功能选择。 ESANN公司 2018 2016 [j7] 比阿特丽斯·佩雷斯-桑切斯 , 拉-莫莱斯 :
学习数据结构-不同国家的相同困难? 伊比利亚姆牧师。 德特科诺。 德尔·阿普伦迪兹。 11 ( 4 ) : 242-247 ( 2016 ) 【c21】 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 , 迭戈·雷戈·费尔南德斯 , 大卫·马丁内斯·雷戈 :
高维问题的快速学习算法:微阵列的应用。 ESANN公司 2016 [公元20年] 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 迭戈·雷戈·费尔南德斯 :
前馈神经网络的分布式学习算法。 ESANN公司 2016 [第19条] 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 诺埃利亚·桑切斯·马罗尼奥 :
微阵列数据集的两类过采样分类与一类分类。 ICANN(2) 2016 : 398-405 2015 [第18条] 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 诺埃利亚·桑切斯·马罗尼奥 :
具有特征选择的微阵列数据集的一类分类。 EANN公司 2015 : 325-334 [第17条] 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 诺埃利亚·桑切斯·马罗尼奥 :
在一类分类中选择目标概念来处理类不平衡问题。 国际JCNN 2015 : 1-8 2014 [j6] 何塞·路易斯·卡尔沃·罗勒 , 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
使用神经网络在线学习算法的自适应逆控制。 Informatica公司 25 ( 三 ) : 401-414 ( 2014 ) [第16条] 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
在线增量学习的自适应拓扑神经网络。 ICAART(1) 2014 : 94-101 [第15条] 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
基于Vapnik-Chervonenkis维数的自适应神经拓扑。 ICAART(修订论文集) 2014 : 194-210 2013 [j5] 恩里克·卡斯蒂略 , 罗伯托·米恩格斯 , 安东尼奥·科内乔 , 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 :
使用Benders分解估算疲劳模型的参数。 安·Oper。 物件。 210 ( 1 ) : 309-331 ( 2013 ) 【j4】 迭戈·佩特罗·巴拉尔 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 :
基于灵敏度的人工神经网络学习算法可扩展性的比较研究。 专家系统。 申请。 40 ( 10 ) : 3900-3905 ( 2013 ) [j3] 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 大卫·马丁内斯·雷戈 :
神经网络自适应拓扑的在线学习算法。 专家系统。 申请。 40 ( 18 ) : 7294-7304 ( 2013 ) 2011 [注2] 大卫·马丁内斯·雷戈 , 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , Amparo Alonso-Betanzos系列 :
一种适用于非平稳环境的鲁棒增量学习方法。 神经计算 74 ( 11 ) : 1800-1808 ( 2011 ) [第14条] 迭戈·佩特罗·巴拉尔 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 :
分布式学习对不同类别数据概率分布的有效性。 盲肠 2011 : 114-123 [第13条] 迭戈·佩特罗·巴拉尔 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 :
基于双层人工神经网络和遗传算法的分布式学习算法。 ESANN公司 2011 [第12条] 迭戈·佩特罗·巴拉尔 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 :
基于遗传算法和人工神经网络的非均匀类概率分布的分布式学习。 HIMA公司 2011 : 54-60 [第11条] 迭戈·佩特罗·巴拉尔 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 :
处理“非常大”的数据集-一个有前途的研究方向概述:分布式学习。 ICAART(1) 2011 : 476-481 2010 [j1] 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 , Amparo Alonso-Betanzos系列 :
一种用于单层神经网络监督学习的新凸目标函数。 模式识别。 43 ( 5 ) : 1984-1992 ( 2010 ) [第10条] 大卫·马丁内斯·雷戈 , 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , Amparo Alonso-Betanzos系列 :
基于在线学习神经网络的机械零件故障预测。 ICANN(1) 2010 : 60-66 【c9】 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
自适应环境中神经网络的增量学习方法。 国际JCNN 2010 : 1-8
2000 – 2009
2009 【c8】 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
基于灵敏度分析的神经网络增量学习方法。 盲肠 2009 : 42-50 【c7】 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 :
基于灵敏度分析和自动正则化的神经网络监督学习方法。 IWANN(1) 2009 : 157-164 【r1】 奥斯卡·丰登拉·罗梅罗 , 伯莎·吉亚罗·贝尔迪尼亚斯 , 比阿特丽斯·佩雷斯-桑切斯 :
功能网络。 人工智能百科全书 2009 : 667-676 2008 【c6】 伯莎·吉亚罗·贝尔迪尼亚斯 , 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , Amparo Alonso-Betanzos系列 :
基于灵敏度分析的神经网络正则化学习方法。 ESANN公司 2008 : 289-294 2007 【c5】 Amparo Alonso-Betanzos系列 , 诺埃利亚·桑切斯·马罗尼奥 , Félix M.Carballal堡垒 , 胡安·苏亚雷斯-罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 :
使用功能网络对计算机入侵进行分类。 比较研究。 ESANN公司 2007 : 579-584 【c4】 伯莎·吉亚罗·贝尔迪尼亚斯 , 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , 保拉·弗拉古拉 :
一种快速半线性反向传播学习算法。 ICANN(1) 2007 : 190-198 【c3】 诺埃利亚·桑切斯·马罗尼奥 , Amparo Alonso-Betanzos系列 , 比阿特丽斯·佩雷斯-桑切斯 :
基于功能分解的包装器特征选择方法的改进版本。 ICANN(2) 2007 : 240-249 【c2】 伯莎·吉亚罗·贝尔迪尼亚斯 , 奥斯卡·丰登拉·罗梅罗 , 比阿特丽斯·佩雷斯-桑切斯 , 保拉·弗拉古拉 :
一种使用最小二乘的多层感知器的线性学习方法。 理想的,理想的 2007 : 365-374 【c1】 鲁本·罗德里格斯·佩纳 , 比阿特丽斯·佩雷斯-桑切斯 , 奥斯卡·丰登拉·罗梅罗 :
一种新的基于增长神经气体和近似支持向量机的局部分类方法。 国际JCNN 2007 : 1607-1612