Aprendizaje autónomo de redes neuronales artificiales

Estudiamos numéricamente redes neuronales artificiales multicapa con procesamiento unidireccional (feedforward) y su optimización con respecto a dos propiedades de especial importancia en el campo de las redes complejas y los modelos computacionales de sistemas biológicos: el cumplimiento de una fun...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autor principal:	Bilen, Agustín Miguel
Otros Autores:	Isoardi, Roberto, Kaluza, Pablo F., Miranda, Enrique
Publicado:	2016
Materias:	Aprendizaje autónomo Método de aprendizaje Redes neuronales artificiales Sistema computacional Sistema de nodos
Acceso en línea:	https://bdigital.uncu.edu.ar/fichas.php?idobjeto=16568

date_str_mv	2016-03-03
descriptores_str_mv	Aprendizaje autónomo Método de aprendizaje Redes neuronales artificiales Sistema computacional Sistema de nodos
titulo_str_mv	Aprendizaje autónomo de redes neuronales artificiales
autor_str_mv	Bilen, Agustín Miguel
todos_str_mv	Director/a Integrante del jurado Integrante del jurado Licenciado en Ciencias Básicas con Orientación en Física Licenciatura en Ciencias Básicas con Orientación en Física tesisfcen UNCuyoFCEN
description_str_mv	Estudiamos numéricamente redes neuronales artificiales multicapa con procesamiento unidireccional (feedforward) y su optimización con respecto a dos propiedades de especial importancia en el campo de las redes complejas y los modelos computacionales de sistemas biológicos: el cumplimiento de una función compleja con generalización de lo aprendido y la robustez estructural. En primer lugar, interesa optimizar las redes para cumplir cierta función: el reconocimiento de las vocales en una matriz de píxeles. Con ello, se espera no sólo que cada red sepa clasificar los patrones aprendidos, sino que pueda generalizar a casos novedosos lo que se le enseñó en casos particulares, clasificando correctamente las vocales aun cuando las señales que se le muestren presenten ruido o sean defectuosas. En segundo lugar, buscamos que las redes creadas sean estructuralmente robustas, esto es, conserven su buena operatividad luego de sufrir daños en su topología. Usualmente, para la optimización de redes neuronales artificiales, los algoritmos de aprendizaje que se emplean dependen de un agente externo implícito en su formulación que durante el proceso guía a la red en la modificación de sus parámetros hasta que ésta alcanza un desempeño satisfactorio u óptimo. La línea central de este trabajo es la implementación de un método estocástico de aprendizaje por refuerzo, denominado aprendizaje autónomo, según el cual el propio estado de la red define la magnitud y la dirección de los cambios para que ésta logre optimizarse.
disciplina_str_mv	Física
contributor_str_mv	Isoardi, Roberto Kaluza, Pablo F. Miranda, Enrique
object_type_str_mv	Textual: Tesis
dependencia_str_mv	Facultad de Ciencias Exactas y Naturales
id	16568
plantilla_str	Tesis
record_format	Tesis
author2	Isoardi, Roberto Kaluza, Pablo F. Miranda, Enrique
author_facet	Isoardi, Roberto Kaluza, Pablo F. Miranda, Enrique Bilen, Agustín Miguel
tipo_str	textuales
type_str_mv	Tesis
title_full	Aprendizaje autónomo de redes neuronales artificiales
title_fullStr	Aprendizaje autónomo de redes neuronales artificiales Aprendizaje autónomo de redes neuronales artificiales
title_full_unstemmed	Aprendizaje autónomo de redes neuronales artificiales Aprendizaje autónomo de redes neuronales artificiales
description	Estudiamos numéricamente redes neuronales artificiales multicapa con procesamiento unidireccional (feedforward) y su optimización con respecto a dos propiedades de especial importancia en el campo de las redes complejas y los modelos computacionales de sistemas biológicos: el cumplimiento de una función compleja con generalización de lo aprendido y la robustez estructural. En primer lugar, interesa optimizar las redes para cumplir cierta función: el reconocimiento de las vocales en una matriz de píxeles. Con ello, se espera no sólo que cada red sepa clasificar los patrones aprendidos, sino que pueda generalizar a casos novedosos lo que se le enseñó en casos particulares, clasificando correctamente las vocales aun cuando las señales que se le muestren presenten ruido o sean defectuosas. En segundo lugar, buscamos que las redes creadas sean estructuralmente robustas, esto es, conserven su buena operatividad luego de sufrir daños en su topología. Usualmente, para la optimización de redes neuronales artificiales, los algoritmos de aprendizaje que se emplean dependen de un agente externo implícito en su formulación que durante el proceso guía a la red en la modificación de sus parámetros hasta que ésta alcanza un desempeño satisfactorio u óptimo. La línea central de este trabajo es la implementación de un método estocástico de aprendizaje por refuerzo, denominado aprendizaje autónomo, según el cual el propio estado de la red define la magnitud y la dirección de los cambios para que ésta logre optimizarse.
title	Aprendizaje autónomo de redes neuronales artificiales
spellingShingle	Aprendizaje autónomo de redes neuronales artificiales Aprendizaje autónomo Método de aprendizaje Redes neuronales artificiales Sistema computacional Sistema de nodos Bilen, Agustín Miguel
topic	Aprendizaje autónomo Método de aprendizaje Redes neuronales artificiales Sistema computacional Sistema de nodos
topic_facet	Aprendizaje autónomo Método de aprendizaje Redes neuronales artificiales Sistema computacional Sistema de nodos
publishDate	2016
author	Bilen, Agustín Miguel
tags_str_mv	tesisfcen
title_sort	Aprendizaje autónomo de redes neuronales artificiales
title_short	Aprendizaje autónomo de redes neuronales artificiales
url	https://bdigital.uncu.edu.ar/fichas.php?idobjeto=16568
estado_str	3
building	Biblioteca Digital
filtrotop_str	Biblioteca Digital
collection	Tesis
institution	Sistema Integrado de Documentación
indexed_str	2023-04-25 00:34
_version_	1764120093653991424

Aprendizaje autónomo de redes neuronales artificiales

Ejemplares similares