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...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Osella Massa, Germán Leandro, García, Esteban Andrés, Lanzarini, Laura Cristina
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