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
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/22743
Acceder
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

Publicaciones similares