NeSR - Neuroevolución de Sistemas de Reescritura
Las redes neuronales artificiales evolutivas representan una mejora de las redes neuronales artificiales convencionales donde su capacidad de adaptación se ve favorecida por la aplicación de procesos evolutivos. El presente artículo describe un nuevo método evolutivo denominado NeSR (NeuroEvolución...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | Objeto de conferencia |
Lenguaje: | Español |
Publicado: |
2003
|
Materias: | |
Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/22742 |
Aporte de: |
id |
I19-R120-10915-22742 |
---|---|
record_format |
dspace |
institution |
Universidad Nacional de La Plata |
institution_str |
I-19 |
repository_str |
R-120 |
collection |
SEDICI (UNLP) |
language |
Español |
topic |
Ciencias Informáticas Redes Neuronales Artificiales Evolutivas Neural nets Algorithms Algoritmos genéticos Codificación indirecta ARTIFICIAL INTELLIGENCE Intelligent agents Sistemas de reescritura L |
spellingShingle |
Ciencias Informáticas Redes Neuronales Artificiales Evolutivas Neural nets Algorithms Algoritmos genéticos Codificación indirecta ARTIFICIAL INTELLIGENCE Intelligent agents Sistemas de reescritura L Osella Massa, Germán Leandro García, Esteban Andrés Lanzarini, Laura Cristina NeSR - Neuroevolución de Sistemas de Reescritura |
topic_facet |
Ciencias Informáticas Redes Neuronales Artificiales Evolutivas Neural nets Algorithms Algoritmos genéticos Codificación indirecta ARTIFICIAL INTELLIGENCE Intelligent agents Sistemas de reescritura L |
description |
Las redes neuronales artificiales evolutivas representan una mejora de las redes neuronales artificiales convencionales donde su capacidad de adaptación se ve favorecida por la aplicación de procesos evolutivos.
El presente artículo describe un nuevo método evolutivo denominado NeSR (NeuroEvolución de Sistemas de Reescritura) que permite obtener redes neuronales artificiales representadas a través de codificación indirecta.
Para realizar dicha codificación se propone utilizar sistemas de reescritura ya que poseen la capacidad de generar arquitecturas complejas a partir de una representación relativamente pequeña.
En base a esta representación, se ha realizado una cuidadosa definición de los operadores de crossover y mutación.
El método propuesto ha sido aplicado a dos tipos de problemas diferentes (clasificación y control) como forma de mostrar la capacidad de resolución de la estrategia planteada. Los resultados alcanzados a través de las mediciones realizadas son satisfactorios.
Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras. |
format |
Objeto de conferencia Objeto de conferencia |
author |
Osella Massa, Germán Leandro García, Esteban Andrés Lanzarini, Laura Cristina |
author_facet |
Osella Massa, Germán Leandro García, Esteban Andrés Lanzarini, Laura Cristina |
author_sort |
Osella Massa, Germán Leandro |
title |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_short |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_full |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_fullStr |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_full_unstemmed |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_sort |
nesr - neuroevolución de sistemas de reescritura |
publishDate |
2003 |
url |
http://sedici.unlp.edu.ar/handle/10915/22742 |
work_keys_str_mv |
AT osellamassagermanleandro nesrneuroevoluciondesistemasdereescritura AT garciaestebanandres nesrneuroevoluciondesistemasdereescritura AT lanzarinilauracristina nesrneuroevoluciondesistemasdereescritura |
bdutipo_str |
Repositorios |
_version_ |
1764820467636502529 |