carlescn
diff --git a/‎thesis_report/CriadoNina_Carles_TFM.pdf
173 Bytes b/‎thesis_report/CriadoNina_Carles_TFM.pdf
173 Bytes
diff --git a/‎thesis_report/CriadoNina_Carles_TFM.tex
+6-1 b/‎thesis_report/CriadoNina_Carles_TFM.tex
+6-1
diff --git a/‎thesis_report/figures/xie2015_dec.png
99.7 KB b/‎thesis_report/figures/xie2015_dec.png
99.7 KB
@@ -2581,7 +2581,7 @@ \chapter{Discussió}
         i el model resultat no aconsegueix optimitzar cap de les dues.
 
 
-    \paragraph{Model \gls{vae}}
+    \paragraph{Model \gls{vade}}
 
         El model \gls{vade} resol aquest problema
         assignant una distribució independent a cada grup.
@@ -2713,6 +2713,11 @@ \chapter{Conclusions i treballs futurs}
             tenen la capacitat de superar el rendiment de les tècniques clàssiques,
             a costa d'un augment significatiu de la complexitat del model.
 
+            \item El número reduït d'observacions de les que es sol disposar
+            en conjunts de dades metabolòmiques
+            afecta negativament a la capacitat d'aprenentatge
+            dels models de \textit{deep learning}.
+
             \item El model \gls{dec} destaca per aconseguir clústers molt estrets,
             però és molt sensible als paràmetres amb què s'inicialitza.