Optimización de perceptrones multicapa mediante algoritmos evolutivos

• Autores: Pedro Ángel Castillo Valdivieso
• Localización: Inteligencia artificial: Revista Iberoamericana de Inteligencia Artificial, ISSN-e 1988-3064, ISSN 1137-3601, Vol. 10, Nº. 30, 2006, págs. 91-94
• Idioma: español
• Enlaces
  • Texto completo
• Resumen

  • El objetivo de esta tesis es la presentación de un nuevo método, que se ha denominado G-Prop (Genetic back-Propagation), y la demostración de su utilidad en la resolución de una serie de problemas reales de clasificación de patrones y aproximación funcional. Dicho método está basado en un algoritmo evolutivo (AE), que facilita el diseño de perceptrones multicapa (MLP) buscando los parámetros de aprendizaje, los pesos iniciales y la arquitectura de red para un MLP que resuelva un problema de clasificación concreto. El método propuesto trata de aprovechar las ventajas que presentan tanto los AE como las presentadas por los algoritmos basados en descenso del gradiente, en este caso quick-propagation (QP): la capacidad del AE para encontrar una solución cercana al óptimo global y la de QP para sintonizar la búsqueda, alcanzando el óptimo local más cercano a la solución encontrada por el AE. G-Prop ha sido probado con diversos problemas sintéticos y reales, y comparado con otras técnicas de clasificación y aproximación funcional disponibles en la bibliografía, mostrándose competitivo en la mayoría de los experimentos llevados a cabo y demostrando las ventajas de utilizarlo, ya que no es necesario establecer de antemano ningún parámetro relativo al MLP.