Arquitecturas neuronales art para el reconocimiento de patrones y la aproximación de funciones

  1. Gómez Sánchez, Eduardo
unter der Leitung von:
  1. Ioannis Dimitriadis Damoulis Doktorvater
  2. José Manuel Cano Izquierdo Doktorvater/Doktormutter

Universität der Verteidigung: Universidad de Valladolid

Fecha de defensa: 26 von März von 2001

Gericht:
  1. Juan López Coronado Präsident
  2. Francisco Javier Díaz Pernas Sekretär
  3. Bernabe Linares Barranco Vocal
  4. Gregory Heileman Vocal
  5. G.I. Sáinz Vocal
Fachbereiche:
  1. Teoría de la Señal y Comunicaciones e Ingeniería Telemática

Art: Dissertation

Teseo: 83730 DIALNET

Zusammenfassung

En este trabajo se realiza un análisis de la usabilidad de Fuzzy ARTMAP para tareas de reconocimiento de patrones y de aproximación de funciones, con énfasis en su posible uso para extraer conocimiento a partir de los datos, que pueda ser expresado en forma de reglas, Sin embargo, Fuzzy ARTMAP sufred proliferación de categorías, independientemente del tipo del problema al que es aplicado, lo que dificulta este uso. La proliferación de categorías en la aplicación de Fuzzy ARTMAP para reconocimiento de patrones es estudiada en profundidad, analizando de forma sistemática y unificadora las múltiples soluciones existentes en la literatura. En este trabajo se realiza la propuesta original de uARTMAP, una codificación de Fuzzy ARTMAP, una codificación de Fuzzy ARTMAP que permite reducir la proliferación de categorias suprimiendo el mecanismo de seguimiento del emparejamiento, y utilizando información probabilística de los datos de entrenamiento. El problema de la proliferación es tratado también en la aproximación de funciones, aunque en este caso existen dificultades añadidas para la aplicación de Fuzzy ARTMAP, como la continuidad de la salida o la orientación de esta arquitectura a minimizar el error de clasificación. Se estudian de forma sistemática otras arquitecturas basadas en Fuzzy ARTMAP, pero más adecuadas para la aproximación de funciones,entre ellas FasArty FasBack, que presentan propiedades deseables pero sufren también proliferación de categorias. En este trabajo se proponen modificaciones de estas arquitecturas, denominadas FasARt y FasBack, que reducen este inconveniente manteniendo la precisión. También se analizan otras propuestas para la aproximación de funciones que solo alteren el modo de predición de Fuzzy ARTMAP, pero no el de entrenamiento, llegándose a la propuesta de Si-ARTMAP. Este es un esquema de aproximación en el que se integra la predicción de Fuzzy ARTMAP es un entorno del patr