Modelo de un sistema para la selección automática en dominios complejos con una estrategia cooperativa, de conjuntos de entrenamiento y arquitecturas ideales de redes de neuronas artificiales ulilizando alogaritmos genéticos

Abstract

[Resumen]

Esta tesis estudia el desarrollo de un modelo de sistema evolutivo y distribuido para la automatización y optimización de la construcción de RR,NN.AA. que se apliquen a dominios complejos. Los trabajos de investigación se centran en cuatro áreas:

* Identificar, de forma automática, configuraciones óptimas de capas, elementos de proceso (EP) y parámetros de los EP, evitando el proceso de prueba y error que, actualmente, realiza el diseñador de la red.

* Diseñar un método para la selección de un conjunto de entrenamiento óptimo a partir de series temporales, complementando así los métodos existentes para la discriminación de variables de entrada.

* Se propone un método alternativo para el proceso de entrenamiento de RR.NN.AA.

ya que, al aplicarlas a problemas complejos, como la predicción en el dominio temporal, los métodos de gradiente presentan problemas de mínimos locales.

* Por último, se pretende armonizar, con una aproximación cooperativa, las distintas fases de desarrollo de la RNA: diseño del conjunto de entrenamiento, ajuste de los parámetros de la arquitectura y proceso de entrenamiento.