INTELIGENCIA ARTIFICIAL, 5

Autor: TEJEDOR ESCOBAR PEDRO.
Año: 2002.
Universidad: PONTIFICIA COMILLAS.
Centro de lectura: INGENIEROS INDUSTRIALES.

Resumen: Esta tesis propone un avance en el estudio de la extracción de conocimiento a partir de perceptrones multicapa que han sido entrenados para problemas de aproximación funcional. Basado en este estudio, se propone el metamodelo funcional direccional, un modelo novedoso para dar respuesta a las dificultades que aparecen en este tipo de problemas. Se han estudiado los presupuestos habituales que rigen la extracción de conocimiento a partir de perceptrones multicapa: su puesto entre el resto de las metodologías de aprendizaje automático y las dificultades que plantea para la extracción de conocimiento comprensible. Se ha elaborado una taxonomía de las metodologías existentes para extracción de conocimiento desde redes neuronales, basada tanto en el tipo de problema que abordan como en la metodología utilizada para resolverlo. Este doble criterio, a pesar de su sencillez, se ha demostrado capaz de clasificar de forma accesible todas las propuestas halladas en la literatura. Se ha demostrado que, para abordar el problema de extracción de conocimiento para aproximación funcional, no vale en general el paradigma original. Este fue creado para afrontar los problemas de clasificación, y se basa en presupuestos que no se cumplen en el caso de los problemas de aproximación funcional. Se propone un nuevo paradigma capaz de guiar los trabajos que se desarrollen en esta materia. Este paradigma está basado en particiones orientadas adecuadamente en el dominio de las pendientes, cuya composición posterior se realiza de forma aditiva. El metamodelo funcional direccional (MFD), propuesto en esta tesis, surge como aplicación del nuevo paradigma. Constituye un compromiso entre la fidelidad al perceptrón multicapa original, y la comprensibilidad necesaria en este tipo de modelos. El MFD tiene una precisión comparable a otros modelos análogos aparecidos en la literatura, pero además permite evaluar el entrenamiento de la red, y comprender la influencia conjunta de las variables sobre la salida de la red. Una vertidu añadida del MFD es que el tamaño del modelo que genera es proporcional al número de entradas, cuando lo habitual en estos modelos es que el crecimiento sea exponencial.

Autor: SALCEDO SANZ SANCHO.
Año: 2002.
Universidad: CARLOS III DE MADRID.
Centro de lectura: ESCUELA POLITÉCNICA SUPERIOR.
Centro de realización: UNVIERSIDAD CARLOS III DE MADRID.

Resumen: En esta tesis se presentan diversas técnicas espectrales para mejorar el rendimiento de los Algoritmos Genéticos (Gas) en problemas GA-hard. En primer lugar se realiza un estudio exhaustivo del efecto que tiene la aplicación de una Transformación Lineal (TL) en el espectro de una determinada función. Se muestra en qué condiciones una TL puede mejorar el rendimiento de un GA, se explican resultados contradictorios que aparecen en la literatura y por último se propone un algoritmo para la búsqueda de TLs que compriman el espectro en órdenes bajo. En segundo lugar se aborda la explicación de las mejoras que ofrecen ciertos Algoritmos Híbridos (AHs) en problemas de optimización con altas restricciones. Concretamente se propone un esquema híbrido basado en la unión de un GA como algoritmo global y una red de Hopfield como algoritmo local, que resuelve las restricciones inherentes al problema. Se estudia esta mezcla de algoritmos mediante su impacto en el espectro y se muestra el por qué del buen funcionamiento de los AHs en problemas de optimización con restricciones. Por último, se ha aplicado este AH a dos problemas de optimización que aparecen en ingeniería de telecomunicación, el diseño de la trama de transión en una red PRN y la minimización de la itnerferencia co-canal en sistemas de satélites mediante la reasignación de canales, consiguiéndose mejoras significativas sobre los algoritmos previamente propuestos para ambos problemas.

Autor: CAMPOY GÓMEZ LAURA M..
Año: 2001.
Universidad: MURCIA.
Centro de lectura: INFORMÁTICA.
Centro de realización: FACULTAD DE INFORMÁTICA - UNIVERSIDAD DE MURCIA.

Resumen: Este trabajo de investigación se enmarca en el ámbito de la Gestión del Conocimiento, campo de estudios pluri-disciplinar, que abarca una multiplicidad de aspectos y puntos de vista complementarios en relación con los elementos necesarios para la correcta capitalización del conocimiento en las organizaciones, con el objetivo de maximizar la efectividad de la empresa a través de la gestión de su propio conocimiento. El producto que recoge los resultados de los procesos de gestión del conocimiento se materializa en lo que se conoce como Memoria Corporativa. En este trabao se aporta un modelo de Memdoria Corporativa para gestión de conocimiento mediante componentes compartibles y reutilizables de conocimiento, siguiendo un enfoque híbrido conceptual-tecnológico de la Gestión de Conocimiento. Aportamos, asimismo, una formalización de dicho modelo mediante un esquema formal de integración de conocimiento basado en ontologías. Además, dicho modelo ha sido sometido a un proceso de validación tras el cual pudimos constatar los beneficios del entorno como soporte a la construcción de memorias corporativas, así como la bondad del conocimiento construido haciendo uso del mismo, de acuerdo con los criterios establecidos. Por último, para poder llevar a cabo el proceso de validación, se ha impuesto un prototipo software que recoge los contenidos teóricos del modelo propuesto.

Autor: LÓPEZ RODRÍGUEZ ANTONIO MIGUEL.
Año: 2001.
Universidad: OVIEDO.
Centro de lectura: INGENIEROS INDUSTRIALES.
Centro de realización: DPTO. INGENIERÍA ELÉCTRICA, ELECTRÓNICA, DE COMPUTADORES Y SISTEMAS.

Resumen: La alta complejidad de muchos sistemas físicos hace en ocasiones dificil abordar su modelado mediante técnicas clásicas, recurriéndose habitualmente a sistemas de aprendizaje que tratan de obtener un modelo en base a información medida del sistema real.No obstante, muchas de estas técnicas presentan como principal inconveniente la dificultad de análisis del modelo obtenido y la dificultad de inclusión de consideraciones dinámicas en el proceso de búsqueda. Esta tesis propone una metodología de resolución del problema basada en el uso de un Algoritmo Genético Programable (GA-P) hibaridado con el método Simplex de Nelder & Mead, que trata de obtener un modelo del sistema en una representación de diagrama de bloques formada por una asociación en serie, paralelo o realimentada de subsistemas estáticos o dinámicos, lineales o no. Su principal ventaja es que proprociona soluciones análiticas de sencilla interpretación, lo que podría facilitar el análisis del resultado obtenido, permitiendo su aceptación o rechazo en base a criterios más avanzados que un simple error de ajsute, y profundizar en el conocimiento del proceso a partir de las soluciones obtenidas. El algoritmo paraleliza la búsqueda de la estructura del modelo y de sus parámetros, al contrario de otros enfoques similares realizados mediante la aplicación de la Programación Genética donde se sigue un proceso jerárquico, que presentan como principal desventaja el coste de la identificación de estructuras no válidas.Ambas búsquedas, realizadas de forma concurrente, no jerárqueica, son de naturaleza evolutiva. Previamente a la adopción de un algoritmo evolutivo (concretamente un algoritmo genético basado en genoma real) para la evolución paramétrica de los modelos manejados, se ha realizado un estudio consistente en la identificación de un conjunto de sistemas mediante métodos de búsqueda directa.Tal y como se muestra en este trabajo, debido a la presencia de mínimos locales en la función objetivo, el método seleccionado es el más robusto ante diferentes condiciones iniciales. Asimismo, se ha realizado un estudio centrado en la determinación de la validez de los operadores genéticos de búsqueda propuestos y en la obtención de un valor orientativo de su fracción de aplicación adecuada. Este estudio se ha complementado con un análisis de la sensibilidad del método propuesto ante diferentes condiciones de partida. La metoadología se aplica al modelado de un ejemplo sintético consistente en un lazo de regulación de un sistema de primer orden, sometido a entradas de consigna y perturbación, con regulador proporcional con saturación y capatador sin dinámica. Los resultados obtendios son satisfactorios. Los errores de ajuste son bajos,y los modelos resultado coinciden, en la mayoría de los casos, con el modelo objetivo. Por otra parte, se compara con una metodología similar de enfoque jerárquico aplicada al mismo problema ante las mismas condiciones de partida, imponiendo como cirterio los resultados obtendios ante un número similar de evaluaciones de la función objetivo, punto crítico en la aplicación de algoritmos GP a prácticamente cualquier problema. Los resultados obtenidos mediante la metodología propuesta superan notablemente a los obtendios mediante el enfoque jerárquico, tanto en términos de error como de similitud con el modelo objetivo. Finalmente, la metodología se aplica al modelado de dos procesos reales: un sistema de medida de distancias mediante rayo láser y un motor de correinte continua en cadena abierta. Se muestra capaz de proporcionar modelos para ambos procesos que consideran sus características principales y consigue filtrar el ruido existente en las señales.

Autor: ORTÍZ BOYER DOMINGO.
Año: 2001.
Universidad: MALAGA.
Centro de lectura: INFORMÁTICA.
Centro de realización: SUPERIOR DE ING. EN INFORMÁTICA.

Resumen: Diseñado de un nuevo operador de cruce multipadre que permite que los descendientes hereden características comunes a los mejores individuos de la población definición un método basado en intervalos de confianza que nos permite definir qué características son comunes a los mejores individuos utilizando estadísticos de localización y dispersión. Diseño de cuatro variantes del operador de cruce propuesto caracterizadas por el método de construcción del intervalo de confianza que utilizan. Obtenido de valores óptimos para los parámetros del operador de cruce desarrollado. Establecimiento de un marco de comparación de resultados basado en el análisis de varianzas ANOVA.

Autor: PUERTA CALLEJÓN JOSÉ MIGUEL.
Año: 2001.
Universidad: GRANADA.
Centro de lectura: INFORMÁTICA .
Centro de realización: E.T.S. INGENIERÍA INFORMÁTICA.

Resumen: La incertidumbre está presente en toda la información que manejamos en nuestra vida dairia. Las Redes de Creencias son una herramienta que en los últimos años ha demostrado su potencialidad como modelo de representación del conocimiento con incertidumbre en Inteligencia Artificial. El éxito de numerosas aplicaciones en campos variados avalan esta afirmación. Una de las dificultades más importantes asociadas a la construcción del modelo en su elicitación, el cual da lugar a desarrollar algoritmos de aprendizaje automático a partir de un conjunto de datos. Por otra parte, para modelar sistemas dinámcios se ha realizado una extensión a las Redes de Creencia que manejan de forma explícita el timpo dando lugar a las Redes de Creencias Dinámicas. En esta memoria se desarrollan nuevos métodos de aprendizaje estructural tanto para redes de creencia estáticas como para redes de creencia dinámicas. En el primer capítulo de la memoria se realiza un estudio de los formalismos de red de creencia y red de creencia dinámica, así como una revisión de los algortimos de aprendizaje existentes en la literatura específica. En el segundo capítulo de la memoria se aborda el estudio de nuevos métodos de búsqueda local para el problema de aprendizaje automático, tanto en el espacio de posibles estructuras como en el espacio de secuencias de ordenación entre las variables del problema. Además, se estudia cómo adaptar la metaheurística de Búsqueda en Entornos Variables al problema en cuestión. En el tercer capítulo de la memoria se estudia cómo realizar procesos de búsqueda distribuida para explorar más regiones de los espacios de búsqueda utilizados. En este capítulo se estudian nuevos esquemas de distribución para los métodos de búsqueda desarrollados en el capítulo anterior. Además se diseñan todos los elementos necesarios para emplear en el problema del aprendizaje estructural de redes una nueva metaheurística bio-inspirada como es el Sistema de Colonias de Hormigas. En los capítulos cuarto y quinto se estudia cómo podemos realizar el proceso de aprendizaje estructural de las redes de creencia dinámicas, cuando modelan sistemas dinámicos markovianos estacionarios. Se estudia un esquema general de aprendizaje del modelo, así como la adaptación de los algortimos de aprendizaje estructural de redes de creencia estáticas al problema del aprendizaje estructural de redes de creencia dinámicas.

Autor: CECCARONI LUIGI.
Año: 2001.
Universidad: POLITECNICA DE CATALUÑA.
Centro de lectura: INFORMÁTICA.
Centro de realización: LLENGUATGES I SISTEMES INFORMÁTICS UNIVERSITAT POLITÉCNICA CATALUNYA.

Autor: CHARLO MOLINA M. JOSÉ.
Año: 2001.
Universidad: SEVILLA.
Centro de lectura: CIENCIAS ECONÓMICAS Y EMPRESARIALES.
Centro de realización: FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES.

Resumen: En este trabajo de investigación se estudia el modelo que siguen los analistas financieros en la decisión sobre concesión de préstamos corporativos, poniendo de relieve las ventajas de la utilización de la experiencia en dicho proceso decisional, así como el grado de importancia de la información contable-financiera a estos efectos, todo ello apoyado tanto en una tecnología de Inteligencia Artificial, denominada razonamiento basado en casos, como en diversas técnicas estadísticas (análisis cluster, análisis discriminante y regresión ligística).

Autor: PEÑA PALOMAR JOSE MANUEL.
Año: 2001.
Universidad: PAIS VASCO.
Centro de lectura: INFORMÁTICA.
Centro de realización: FACULTAD DE INFORMÁTICA.

Resumen: Uno de los problemas que está presente en una gran variedad de campos, incluyendo reconocimiento de patrones, aprendizaje automático, y estadística, es el problema de la clasificación no supervisada o aprendizaje no supervisado. Dada una base de datos consistente en un conjunto de instancias con una estructura de grupo subyacente, la clasificación no supervisada puede definirse como la descripción de la estructura de grupo subyacente cuando no se desconoce el grupo de pertenencia de cada instancia. La tesis se centra en el estudio de la clasificación no supervisada desde la perspectiva probabilística y, por tanto, no pretende obtener como solución una participación de la base de datos dada sino un modelo del mecanismo generador de los datos, esto es, una distribución de probabilidad conjunta sobre las variables aleatorias del dominio. Un ejemplo clásico de aproximación probabilística al problema de la clasificación no supervisada son los modelos finitos mixtos. Los cuales, aun reconociendo sus sólidas bases estadísticas, conllevan una serie de dificultades que, en muchos casos, merman su practicidad y atractivo. Dichas dificultades tienen un origen comón: Las manipulaciones y operaciones en espacios altamente multidimensionales que los modelos finitos mixtos conllevan. La tesis aprovecha las ventajas de los modelos gráficos probabilísticos (principalmente manejabilidad, interpretabilidad, y modularidad), como paradigma que permite codificar distribuciones de probabilidad conjunta a la vez que evita los inconvenientes de los modelos finitos mixtos, con el fin de resolver el problema de la clasificación no supervisada en dominios tanto discretos como continuos. En concreto, la tesis demuestra la utilidad de las redes Bayesianas para clasificación no supervisada en dominios discretos y de las redes condicionales Gaussianas para clasificación no supervisada en dominios continuos, como clases particulares de modelos gráficos probabilísticos.

Autor: RODRIGUEZ RICARDO OSCAR.
Año: 2001.
Universidad: POLITECNICA DE CATALUÑA.
Centro de lectura: INFORMATICA.
Centro de realización: LLENGUATGES I SISTEMES INFORTAMITCS. UNIVERSITAT POLITECNICA CATALUNYA.

Autor: LORENZO BLANCO DAVID.
Año: 2001.
Universidad: A CORUÑA.
Centro de lectura: INFORMÁTICA.
Centro de realización: FAC. INFORMÁTICA.

Resumen: El objetivo de esta tesis es el diseño de métodos de aprendizaje automático capaces de encontrar un modelo de un sistema dinámico que determina cómo las propiedades del sistema con afectadas por la ejecución de acciones. Esto permite obtener de manera automática el conocimiento específico del dominio necesario para las tareas de planficación o diagnóstico así como predecir el comportamiento futuro del sistema. La aproximación seguida difiere de las aproximaciones previas en dos aspectos. Primero, el uso de formalismos no monótonos para el razonamiento sobre acciones y el cambio con respecto a los clásicos operadores tipo STRIPS o aquellos basados en formalismos especializados en tareas muy concretas, y por otro lado el uso de métodos de aprendizaje de programas lógicos (Inductive Logic Programming). La combinación de estos dos campos permite obtener un marco declarativo para el aprendizaje, donde la especificación de las acciones y sus efectos es muy intuitiva y natural y que permite aprender teorías más expresivas que en anteriores aproximaciones.

Autor: GÓMEZ RUIZ JOSÉ ANTONIO.
Año: 2001.
Universidad: MALAGA.
Centro de lectura: INFORMÁTICA.
Centro de realización: ESCUELA TÉCNICA SUPERIOR DE INGENIERÍA INFORMÁTICA.

Resumen: En la tesis doctoral se proponen diferentes modelos de redes neuronales competitivas no supervisadas para la cuantificación vectorial, el análisis de imágenes, la detección de esqueletos de caracteres en imágenes digitales, la determinación del número de grupos de un espacio de entrada y para el descubrimiento de estructuras en los datos. Se propone una condición necesaria y suficiente para que un determinado conjunto de vectores representantes constituyan una solución óptima al problema de la cuantificación vectorial. Dicha condición implica que la solución óptima viene dada por aquella partición del espacio de entrada en donde los vectores representantes están más separados entre sí. Se ha desarrollado una nueva topología de red neuronal no supervisada denominada red expansiva y competitiva que incorpora una estrategia heurística en la regla de aprendizaje basada en la condición de mínimo global descrita. Dicha red obtiene mejores resultados que la red competitiva simple en problemas de cuantificación vectorial con muchos mínimos locales, como es el caso de la compresión de imágenes, que se detalla en esta tesis. Se ha desarrollado una red neuronal competitiva no supervisada basada en segmentos con fase de expansión en la que cada unidad de proceso tiene asociado un par de vectores sinápticos que constituyen los extremos de un segmento, denominado segmento sináptico. Con la fase de expansión se controla el tamaño de los segmentos sinápticos durante el proceso de aprendizaje, evitando que abarquen más de un grupo de patrones del espacio de entrada y obteniendo la dirección predominante de cada uno de los grupos en los que se han ubicado. Se ha aplicado la nueva red basada en segmentos al problema de la detección de esqueletos de caracteres y se muestra que, con una adecuada elección del parámetro que la gobierna, la red obtiene el esqueleto de cualquier carácter con el mismo procedimiento y de forma totalmente no supervisada, por contra a los algoritmos basados en las redes autoorganizadas que si necesitan de mecanismos computacionales costosos y una previa clasificación de los caracteres. Finalmente, se ha desarrollado la red neuronal competitiva basada en esfèrulas. La esférula es una nueva estructura jerárquica que consta de un conjunto de segmentos sinápticos (denominados espículas) unidos todos ellos por un extremo común llamado núcleo. La red comienza con una única esférula y va incrementando su número, tantas veces como sea necesario, basándose en un test de reproducción estadístico. Al final del proceso de aprendizaje, la red basada en esférulas determina, no sólo el número de grupos del espacio de entrada que se le suministre, sino también las características topológicas de cada uno de dichos grupos.

Autor: INZA CANO IÑAKI.
Año: 2001.
Universidad: PAIS VASCO.
Centro de lectura: INFORMÁTICA.
Centro de realización: FACULTAD DE INFORMÁTICA.

Resumen: El trabajo de esta tesis realiza aportaciones en el área de la clasificación supervisada, basándose en el uso de modelos gráficos probabilísticos. Básicamente, las aportaciones realizadas se podrían resumir de la siguiente manera. * Es uso de un paradigma de modelo gráfico probabilístico, las redes bayesianas, para estudiar el comportamiento conjunto de un grupo de clasificadores supervisados. * Por medio de un algoritmo estocástico de búsqueda inspirado en los modelos gráficos probabilísticos para dominios discretos, la propuesta de una batería de algoritmos novedosos que resuelven el problema de la selección de variables en la clasificación supervisada. * Por medio de un algoritmo estocástico de búsqueda inspirado en los modelos gráficos probabilísticos para dominios discretos y continuos, la propuesta de dos algoritmos novedosos que resuelven el problema del pesado de los atributos para el clasificador del "vecino más próximo".

Autor: SERRATE ESTRUCH RAMÓN.
Año: 2001.
Universidad: POLITECNICA DE CATALUÑA.
Centro de lectura: MATEMATICAS.

Autor: MELGAR CAMARERO JOSE.
Año: 2001.
Universidad: CADIZ.
Centro de lectura: ESCUELA POLITÉCNICA SUPERIOR.
Centro de realización: ESCUELA POLITÉCNICA SUPERIOR DE ALGECIRAS.

Resumen: Hacer que un sistema sea capaz de actuar tal y como lo hace un experto en el marco de los sistemas basado en conocimiento, requieren respuestas derivadas tanto del conocimiento tácito. Para completar el proceso de imitar las características humanas que hemos referido, no es suficiente con el desarrollo de sistemas que solamente realicen razonamiento, a este aspecto el sistema basado en conocimiento debe modificar su base de conocimiento en la medida en la que se produzcan hechos que modifiquen los elementos a los que esta hace referencia. En este sentido la investigación plantea la hipótesis de aunar en un único sistema la capacidad de gestionar las dos estrategias de conocimiento descritas, en base a las características ya expresadas. Para verificar nuestra hipótesis en el ámbito de los procesos industriales, se ha desarrollado una máquina que contempla el conjunto de trabajos realizados en esta investigación, decir que para el caso del conocimiento explícito se ha utilizado la combinación de las reglas de producción y de estructuras orientadas a objeto, esta además también participa en la construcción de la base de conocimiento que hace referencia al saber tácito, teniendo como elemento de desarrollo las redes bayesianas. Para la experimentación de la máquina se ha construido una base de conocimiento correspondiente a una unidad de hidrogenación, que ha verificado las características que perseguíamos con la hipótesis inicial. Además, también se ha comprobado otros aspectos colaterales de la solución adoptada, esto hace referencia a que los expertos responsables de la construcción de la base de conocimiento manifiestan una actitud más positiva hacia los cambios que originan cualquier modificación en la gestión del proceso industrial.

Autor: RECHE LORITE FERNANDO.
Año: 2001.
Universidad: ALMERIA.
Centro de lectura: CIENCIAS EXPERIMENTALES.
Centro de realización: FACULTAD DE CIENCIAS EXPERIMENTALES.

Resumen: En esta tesis se hace un estudio en profundidad de las medidas e integrales difusas y se utilizan estas herramientas para la definición de diversos parámetros estadísticos con el objetivo de extender las ideas propuestas en el ambiente clásico, es decir con respecto a medidas aditivas, a un ambiente no aditivo ya que las medidas difusas son aquellas cuya única restricción es la de la monotonía frente a la inclusión de conjuntos. Así pues en el primer capítulo se realiza un estudio exhaustivo de las medidas difusas desde el punto de vista técnico, así como de sus diferentes representaciones (representación de Möbius, índices de interacción y funciones de probabilidad asociada) para finalmente, realizar un estudio de diferentes tipos de medidas particulares. Posteriormente se indaga en la interpretación semántica de las medidas difusas y se propone una nueva interpretación que denominamos interpretación operativa basada en la asignación de recursos. Después se realiza un estudio pormenorizado de diferentes integrales adecuadas para medidas no aditivas, tales mo la Integral de Choquet, la Integral de Sugeno, la Integral Difusa Generalizada propuesta por Imaoka y la W-Integral propuesta por Wang. Posteriormente se establecen procedimientos para el cálculo de una medida difusa producto a partir de dos medidas marginales, estableciéndose algunos conceptos de independencia, composición y marginalización. Finalmente se definen y se estudian diferentes parámetros estadísticos tales como la Esperanza Monótona, la Varianza Monótona, la Esperanza Común, el Coeficiente de Concordancia, etc….

Autor: TRAVER ROIG VICENTE JAVIER.
Año: 2001.
Universidad: JAUME I DE CASTELLON.
Centro de lectura: TECNOLOGÍA Y CIENCIAS EXPERIMENTALES.
Centro de realización: ESCUELA SUPERIOR DE TECNOLOGÍA Y CIENCIAS EXPERIMENTALES.

Resumen: Frente al paradigma tradicional de la visión pasiva, la visión activa conlleva importantes ventajas, al permitir la interacción dinámica del observador con su entorno. Por otro lado, en los últimos años se ha defendido el uso de la visión foveal (y, en particular, de la visión log-polar) en el contexto de la visión activa. En este ámbito de la visión activa, la estimación de movimiento es un tema de gran interés, y resulta fundamental para tareas como el seguimiento activo de objetos móviles. Sin embargo, a pesar de los muchos métodos publicados sobre estimación de movimiento, éstos no siempre son directamente aplicables al problema aquí expuesto. Por un lado, su ineficiencia no les hace aptos para las restricciones temporales impuestas en problemas visión activa. Por otro lado, estas técnicas asumen imágenes cartesianas, muestreadas uniformemente, premisa inapropiada para imágenes foveales. Por ello, en esta tesis se proponen algoritmos de estimación de movimiento en imágenes con geometría log-polar. Las técnicas desarrolladas son eficientes, y explotan algunas características de este tipo de imágenes. La validación experimental de estos algoritmos se ha realizado no sólo con movimientos sintéticos, sino también con su aplicación al seguimiento activo de objetos reales. Los resultados obtenidos muestran que la estimación de movimiento juega un importante papel en el inseparable binomio formado por la visión activa y la visión foveal. Así, cada componente del nuevo trinomio (visión activa, imágenes log-polares, y estimación de movimiento) se beneficia mútuamente de los otros dos.

Autor: FONTENLA ROMERO ÓSCAR .
Año: 2001.
Universidad: A CORUÑA.
Centro de lectura: INFORMÁTICA.
Centro de realización: FACULTAD DE INFORMÁTICA.

Resumen: Esta tesis doctoral está organizada en dos partes. En la primera parte de la memoria se presentan nuevos algoritmos para el aprendizaje de redes de neuronas artificiales con alimentación hacia delante. En primer lugar se presenta un nuevo método para el aprendizaje de redes de una capa que permite el entrenamiento de este tipo de sistemas empleando un sistema de ecuaciones lineales. El método propuesto obtiene siempre el óptimo global de la función de error y, además, presenta una mayor velocidad de convergencia que los métodos iterativos empleados actualmente para este tipo de sistemas. Posteriormente, el método es mejorado permitiendo el aprendizaje de las funciones neuronales que, como se muestra en los experimentos realizados, permite mejorar el rendimiento de la red de neuronas. A continuación, se proponen tres nuevos algoritmos para la inicialización y el aprendizaje de redes de neuronas multicapa. Los dos primeros métodos están basados en el uso de mínimos cuadrados para obtener de forma óptima los pesos de todas o alguna de las capas de la red. En concreto, el primero de ellos está basado en la retropropagación de la salida deseada desde la capa de salida de la red hacia la de entrada y obtener, capa a capa, los pesos óptimos para cada una de ellas. El segundo método se basa en un método híbrido que utiliza una regla de optimización estándar para las primeras capas de la red y un sistema de ecuaciones lineales para la última cpa. Este método permite mejorar, significativamente, la velocidad de convergencia de los métodos actuales. Finalmente, el último método propuesto emplea una aproximación basada en modelos locales que consiste en la división de un problema complejo en varios subproblemas más fáciles de resolver. Para ello, se presenta un sistema neuronal híbrido formado por un mapa autoorganizativo, encargado de obtener los modelos locales, y un conjunto de redes de neuronas de una capa, entrenadas con el primer método propuesto en esta tesis, cuyo objetivo es ajustar cada uno de los modelos locales. En todos los experimentos realizados se comprobó que los algoritmos presentados suponen una importante aportación en el desarrollo de algoritmos de aprendizaje de redes de neuronas. En la segunda parte del trabajo se presenta una nueva medida para estimar la inmunidad al ruido en las entradas o en los pesos en redes funcionales y, por extensión, en redes de neuronas con alimentación hacia delante. La medida propuesta está basada en la sensibilidad estadística y en la sensibilidad cuadrática media. Esta medida proporciona una estimación de la capacidad de generalización de la red y de su inmunidad al ruido, y permite predecir la degradación del rendimiento de la red cuando se producen perturbaciones en las entradas o en los parámetros. De esta forma, la medida se puede utilizar como un criterio alternativo para la selección de distintos modelos de redes y para verificar a priori el comportamiento del sistema en implementaciones físicas que pueden presentar imprecisiones inherentes al medio físico o interferencias producidas por el entorno de operación.

Autor: BARAHONDA DA FONSECA JOSÉ.
Año: 2001.
Universidad: LAS PALMAS DE GRAN CANARIA.
Centro de lectura: INFORMÁTICA.
Centro de realización: FACULTAD DE INFORMÁTICA.

Resumen: En nuestro trabajo hacemos una breve revisión acerca del modo como el sistema nervioso procesa la información. Describimos los resultados de los estudios de Hodgkin y Huxley acerca de la generación de potenciales de acción en los axónes. Mencionamos los procesos locales realizados sobre señales graduadas. Referimos la facilitación presináptica, la retropropagación de potenciales de acción, la propagación de potenciales graduados a lo largo del arbole dendrítico. Proponemos modelos de interacción dendrodendrítica para la computación de las funciones de convolución y de correlación cruzada. En el desarrollo del modelo teórico de procesos de aprendizaje hemos introducido los conceptos de Momento y Potencial de Aprendizaje, Compromiso en el Aprendizaje como analogía cuántica el caso del paso de una partícula a través de una barrera de potencial. Desde el punto de vista de las redes neuronales artificiales se desarrolla un modelo híbrido donde se considera computación dendritica y neuronas probabilísticas. Según la analogía del paso de una partícula con energía E0 a través de una barrera de potencial V, la probabilidad de que una hipótesis sea aceptada, es definida como la probabilidad de la partícula atravesar la barrera asociada a esa hipótesis. En términos de procesamiento dendritico, V es interpretado como una hiperpolarización y E0 es la excitación que se propaga a lo largo de una rama dendrítica en dirección al cuerpo celular. Se supone que el proceso de aprendizaje ocurre contra barreras distintas asociadas a la probabilidad de aceptación de cada una de las hipótesis, respectivamente. Las barreras de potencial cambian progresivamente a través del refuerzo, lo que modifica la probabilidad de la aceptación de las hipótesis asociadas. Se mencionan resultados que sugieren una correlación significativa entre patrones de oscilaciones períodicas de potenciales dendriticos y procesos cognitivos.

Autor: RABUÑAL DOPICO JUAN RAMÓN.
Año: 2001.
Universidad: A CORUÑA.
Centro de lectura: INFORMÁTICA.
Centro de realización: FACULTADE DE INFORMÁTICA - UNIVERSIDADE DA CORUÑA.

Resumen: Las Redes de Neuronas Artificiales (RR.NN.AA.) son de fácil implementación y utilización, así como otras características que las hacen idóneas para resolver problemas en muchos campos, sin embargo muchos desarrolladores e investigadores evitan su uso porque se consideran "cajas negras", es decir, son sistemas donde a partir de una serie de entradas produce unas salidas de respuesta y el proceso o explicación de por qué produce esas salidas es desconocido. Hasta ahora se han utilizado diferentes técnicas de extracción de reglas a partir de RNA, pero en la gran mayoría de los casos aplicados exclusivamente a RR.NN.AA., multicapa genéricas o sobre ciertos algoritmos de entrenamiento de redes multicapa o recurrentes. Estas limitaciones son debidas a que son más fáciles de tratar los procesos de extracción sobre ciertas arquitecturas o sobre ciertos algoritmos de entrenamiento particulares. En esta tesis se propone una metodología para la obtención del conocimiento de las RR.NN.AA., independientemente de su arquitectura: multicapa o recurrente. En cuanto a las RR.NN.AA., recurrentes la extracción de reglas se complica de forma exponencial debido a que intervienen estados pasados en las activaciones de las neuronas, y su capacidad de conocimiento distribuido es considerablemente muy superior a las RR.NN.AA., multicapa puesto que no existen restricciones en la conectividad entre neuronas. En esta tesis se aplica la Programación Genética (PG) para la extracción del conocimiento de las RR.NN.AA. La utilización de la PG conlleva la ventaja de que la forma de representación y estructuración de la información se realiza mediante un árbol semántico. Esta representación en árbol es la forma natural de representación de una regla simbólica. Las RR.NN.AA., aprenden de un conjunto de datos existentes sobre un proceso a representar un modelo y generalizan automáticamente como resultado de su estructura y no debido a inteligencia humana "introducida" en forma de programas. Esta capacidad de generalización no está en los datos, está en la RNA y se puede extraer. Se desconocen métodos y algoritmos que traten directamente la extracción de la capacidad de generalización que poseen las RR.NN.AA. Esta es una de las características más importantes y por ello en la tesis se desarrollan varios algoritmos de creación dinámica de patrones nuevos que combinados con el algortimo de extracción de reglas permiten extraer todo el conocimiento que poseen las RR.NN.AA., tanto de las alimentadas hacia delante como de arquitectura recurrente. De esta forma se consigue obtener en forma de reglas la capacidad de generalización que tiene la RNA.