ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones
- Autores
- Lanzarini, Laura Cristina; De Giusti, Armando Eduardo; Corbalán, Leonardo César
- Año de publicación
- 2003
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Existe cierto tipo de problemas cuya solución requiere del aprendizaje de estrategias. Esto es lo que se conoce como Comportamiento Complejo y se aplica generalmente a la robótica y al desarrollo de sistemas de control de procesos, cuya resolución no es directa. Los arreglos neuronales evolutivos, a diferencia de los métodos convencionales basados en una única red neuronal, están conformados por un conjunto de redes que se organizan en forma de arreglo. Cada una de estas redes representa una parte de la solución esperada. Si bien han demostrado ser capaces de brindar soluciones eficientes, requieren de la división explícita del problema original en subtareas. El presente artículo describe un nuevo método, ANES, que permite evolucionar subpoblaciones de redes, facilitando de esta manera la obtención de componentes especializadas sin requerir ningún tipo de información del problema específico a resolver. Las mediciones realizadas del método propuesto, aplicado a problemas de evasión de obstáculos y recolección de objetos, muestran la superioridad de ANES con respecto a los métodos tradicionales que manejan poblaciones de redes neuronales. En particular se ha utilizado SANE como referente comparativo debido a su alto rendimiento. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras.
Eje: Agentes y Sistemas Inteligentes (ASI)
Red de Universidades con Carreras en Informática (RedUNCI) - Materia
-
Ciencias Informáticas
Neural nets
redes neuronales evolutivas
arreglos neuronales evolutivos
Learning
Algorithms
aprendizaje
ARTIFICIAL INTELLIGENCE
algoritmos genéticos
Intelligent agents
subpoblaciones - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Universidad Nacional de La Plata
- OAI Identificador
- oai:sedici.unlp.edu.ar:10915/22743
Ver los metadatos del registro completo
id |
SEDICI_2e2c7f480241fc7f36594a4ea8d14a1b |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/22743 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
ANES : Arreglos Neuronales basados en la Evolución de SubpoblacionesLanzarini, Laura CristinaDe Giusti, Armando EduardoCorbalán, Leonardo CésarCiencias InformáticasNeural netsredes neuronales evolutivasarreglos neuronales evolutivosLearningAlgorithmsaprendizajeARTIFICIAL INTELLIGENCEalgoritmos genéticosIntelligent agentssubpoblacionesExiste cierto tipo de problemas cuya solución requiere del aprendizaje de estrategias. Esto es lo que se conoce como Comportamiento Complejo y se aplica generalmente a la robótica y al desarrollo de sistemas de control de procesos, cuya resolución no es directa. Los arreglos neuronales evolutivos, a diferencia de los métodos convencionales basados en una única red neuronal, están conformados por un conjunto de redes que se organizan en forma de arreglo. Cada una de estas redes representa una parte de la solución esperada. Si bien han demostrado ser capaces de brindar soluciones eficientes, requieren de la división explícita del problema original en subtareas. El presente artículo describe un nuevo método, ANES, que permite evolucionar subpoblaciones de redes, facilitando de esta manera la obtención de componentes especializadas sin requerir ningún tipo de información del problema específico a resolver. Las mediciones realizadas del método propuesto, aplicado a problemas de evasión de obstáculos y recolección de objetos, muestran la superioridad de ANES con respecto a los métodos tradicionales que manejan poblaciones de redes neuronales. En particular se ha utilizado SANE como referente comparativo debido a su alto rendimiento. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras.Eje: Agentes y Sistemas Inteligentes (ASI)Red de Universidades con Carreras en Informática (RedUNCI)2003-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf554-565http://sedici.unlp.edu.ar/handle/10915/22743spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-03T10:27:58Zoai:sedici.unlp.edu.ar:10915/22743Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:27:58.704SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones |
title |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones |
spellingShingle |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones Lanzarini, Laura Cristina Ciencias Informáticas Neural nets redes neuronales evolutivas arreglos neuronales evolutivos Learning Algorithms aprendizaje ARTIFICIAL INTELLIGENCE algoritmos genéticos Intelligent agents subpoblaciones |
title_short |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones |
title_full |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones |
title_fullStr |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones |
title_full_unstemmed |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones |
title_sort |
ANES : Arreglos Neuronales basados en la Evolución de Subpoblaciones |
dc.creator.none.fl_str_mv |
Lanzarini, Laura Cristina De Giusti, Armando Eduardo Corbalán, Leonardo César |
author |
Lanzarini, Laura Cristina |
author_facet |
Lanzarini, Laura Cristina De Giusti, Armando Eduardo Corbalán, Leonardo César |
author_role |
author |
author2 |
De Giusti, Armando Eduardo Corbalán, Leonardo César |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Neural nets redes neuronales evolutivas arreglos neuronales evolutivos Learning Algorithms aprendizaje ARTIFICIAL INTELLIGENCE algoritmos genéticos Intelligent agents subpoblaciones |
topic |
Ciencias Informáticas Neural nets redes neuronales evolutivas arreglos neuronales evolutivos Learning Algorithms aprendizaje ARTIFICIAL INTELLIGENCE algoritmos genéticos Intelligent agents subpoblaciones |
dc.description.none.fl_txt_mv |
Existe cierto tipo de problemas cuya solución requiere del aprendizaje de estrategias. Esto es lo que se conoce como Comportamiento Complejo y se aplica generalmente a la robótica y al desarrollo de sistemas de control de procesos, cuya resolución no es directa. Los arreglos neuronales evolutivos, a diferencia de los métodos convencionales basados en una única red neuronal, están conformados por un conjunto de redes que se organizan en forma de arreglo. Cada una de estas redes representa una parte de la solución esperada. Si bien han demostrado ser capaces de brindar soluciones eficientes, requieren de la división explícita del problema original en subtareas. El presente artículo describe un nuevo método, ANES, que permite evolucionar subpoblaciones de redes, facilitando de esta manera la obtención de componentes especializadas sin requerir ningún tipo de información del problema específico a resolver. Las mediciones realizadas del método propuesto, aplicado a problemas de evasión de obstáculos y recolección de objetos, muestran la superioridad de ANES con respecto a los métodos tradicionales que manejan poblaciones de redes neuronales. En particular se ha utilizado SANE como referente comparativo debido a su alto rendimiento. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras. Eje: Agentes y Sistemas Inteligentes (ASI) Red de Universidades con Carreras en Informática (RedUNCI) |
description |
Existe cierto tipo de problemas cuya solución requiere del aprendizaje de estrategias. Esto es lo que se conoce como Comportamiento Complejo y se aplica generalmente a la robótica y al desarrollo de sistemas de control de procesos, cuya resolución no es directa. Los arreglos neuronales evolutivos, a diferencia de los métodos convencionales basados en una única red neuronal, están conformados por un conjunto de redes que se organizan en forma de arreglo. Cada una de estas redes representa una parte de la solución esperada. Si bien han demostrado ser capaces de brindar soluciones eficientes, requieren de la división explícita del problema original en subtareas. El presente artículo describe un nuevo método, ANES, que permite evolucionar subpoblaciones de redes, facilitando de esta manera la obtención de componentes especializadas sin requerir ningún tipo de información del problema específico a resolver. Las mediciones realizadas del método propuesto, aplicado a problemas de evasión de obstáculos y recolección de objetos, muestran la superioridad de ANES con respecto a los métodos tradicionales que manejan poblaciones de redes neuronales. En particular se ha utilizado SANE como referente comparativo debido a su alto rendimiento. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras. |
publishDate |
2003 |
dc.date.none.fl_str_mv |
2003-10 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/conferenceObject info:eu-repo/semantics/publishedVersion Objeto de conferencia http://purl.org/coar/resource_type/c_5794 info:ar-repo/semantics/documentoDeConferencia |
format |
conferenceObject |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://sedici.unlp.edu.ar/handle/10915/22743 |
url |
http://sedici.unlp.edu.ar/handle/10915/22743 |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/ Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5) |
dc.format.none.fl_str_mv |
application/pdf 554-565 |
dc.source.none.fl_str_mv |
reponame:SEDICI (UNLP) instname:Universidad Nacional de La Plata instacron:UNLP |
reponame_str |
SEDICI (UNLP) |
collection |
SEDICI (UNLP) |
instname_str |
Universidad Nacional de La Plata |
instacron_str |
UNLP |
institution |
UNLP |
repository.name.fl_str_mv |
SEDICI (UNLP) - Universidad Nacional de La Plata |
repository.mail.fl_str_mv |
alira@sedici.unlp.edu.ar |
_version_ |
1842260118338535424 |
score |
13.13397 |