NeSR - Neuroevolución de Sistemas de Reescritura
- Autores
- Osella Massa, Germán Leandro; García, Esteban Andrés; Lanzarini, Laura Cristina
- Año de publicación
- 2003
- Idioma
- español castellano
- Tipo de recurso
- documento de conferencia
- Estado
- versión publicada
- Descripción
- Las redes neuronales artificiales evolutivas representan una mejora de las redes neuronales artificiales convencionales donde su capacidad de adaptación se ve favorecida por la aplicación de procesos evolutivos. El presente artículo describe un nuevo método evolutivo denominado NeSR (NeuroEvolución de Sistemas de Reescritura) que permite obtener redes neuronales artificiales representadas a través de codificación indirecta. Para realizar dicha codificación se propone utilizar sistemas de reescritura ya que poseen la capacidad de generar arquitecturas complejas a partir de una representación relativamente pequeña. En base a esta representación, se ha realizado una cuidadosa definición de los operadores de crossover y mutación. El método propuesto ha sido aplicado a dos tipos de problemas diferentes (clasificación y control) como forma de mostrar la capacidad de resolución de la estrategia planteada. Los resultados alcanzados a través de las mediciones realizadas son satisfactorios. 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
Redes Neuronales Artificiales Evolutivas
Neural nets
Algorithms
Algoritmos genéticos
Codificación indirecta
ARTIFICIAL INTELLIGENCE
Intelligent agents
Sistemas de reescritura L - 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:10915/22742
Ver los metadatos del registro completo
id |
SEDICI_455630963d0330f0a12ede09712d7437 |
---|---|
oai_identifier_str |
oai:sedici.unlp.edu.ar:10915/22742 |
network_acronym_str |
SEDICI |
repository_id_str |
1329 |
network_name_str |
SEDICI (UNLP) |
spelling |
NeSR - Neuroevolución de Sistemas de ReescrituraOsella Massa, Germán LeandroGarcía, Esteban AndrésLanzarini, Laura CristinaCiencias InformáticasRedes Neuronales Artificiales EvolutivasNeural netsAlgorithmsAlgoritmos genéticosCodificación indirectaARTIFICIAL INTELLIGENCEIntelligent agentsSistemas de reescritura LLas redes neuronales artificiales evolutivas representan una mejora de las redes neuronales artificiales convencionales donde su capacidad de adaptación se ve favorecida por la aplicación de procesos evolutivos. El presente artículo describe un nuevo método evolutivo denominado NeSR (NeuroEvolución de Sistemas de Reescritura) que permite obtener redes neuronales artificiales representadas a través de codificación indirecta. Para realizar dicha codificación se propone utilizar sistemas de reescritura ya que poseen la capacidad de generar arquitecturas complejas a partir de una representación relativamente pequeña. En base a esta representación, se ha realizado una cuidadosa definición de los operadores de crossover y mutación. El método propuesto ha sido aplicado a dos tipos de problemas diferentes (clasificación y control) como forma de mostrar la capacidad de resolución de la estrategia planteada. Los resultados alcanzados a través de las mediciones realizadas son satisfactorios. 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/pdf693-704http://sedici.unlp.edu.ar/handle/10915/22742spainfo: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:10915/22742Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-03 10:27:58.702SEDICI (UNLP) - Universidad Nacional de La Platafalse |
dc.title.none.fl_str_mv |
NeSR - Neuroevolución de Sistemas de Reescritura |
title |
NeSR - Neuroevolución de Sistemas de Reescritura |
spellingShingle |
NeSR - Neuroevolución de Sistemas de Reescritura Osella Massa, Germán Leandro Ciencias Informáticas Redes Neuronales Artificiales Evolutivas Neural nets Algorithms Algoritmos genéticos Codificación indirecta ARTIFICIAL INTELLIGENCE Intelligent agents Sistemas de reescritura L |
title_short |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_full |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_fullStr |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_full_unstemmed |
NeSR - Neuroevolución de Sistemas de Reescritura |
title_sort |
NeSR - Neuroevolución de Sistemas de Reescritura |
dc.creator.none.fl_str_mv |
Osella Massa, Germán Leandro García, Esteban Andrés Lanzarini, Laura Cristina |
author |
Osella Massa, Germán Leandro |
author_facet |
Osella Massa, Germán Leandro García, Esteban Andrés Lanzarini, Laura Cristina |
author_role |
author |
author2 |
García, Esteban Andrés Lanzarini, Laura Cristina |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Ciencias Informáticas Redes Neuronales Artificiales Evolutivas Neural nets Algorithms Algoritmos genéticos Codificación indirecta ARTIFICIAL INTELLIGENCE Intelligent agents Sistemas de reescritura L |
topic |
Ciencias Informáticas Redes Neuronales Artificiales Evolutivas Neural nets Algorithms Algoritmos genéticos Codificación indirecta ARTIFICIAL INTELLIGENCE Intelligent agents Sistemas de reescritura L |
dc.description.none.fl_txt_mv |
Las redes neuronales artificiales evolutivas representan una mejora de las redes neuronales artificiales convencionales donde su capacidad de adaptación se ve favorecida por la aplicación de procesos evolutivos. El presente artículo describe un nuevo método evolutivo denominado NeSR (NeuroEvolución de Sistemas de Reescritura) que permite obtener redes neuronales artificiales representadas a través de codificación indirecta. Para realizar dicha codificación se propone utilizar sistemas de reescritura ya que poseen la capacidad de generar arquitecturas complejas a partir de una representación relativamente pequeña. En base a esta representación, se ha realizado una cuidadosa definición de los operadores de crossover y mutación. El método propuesto ha sido aplicado a dos tipos de problemas diferentes (clasificación y control) como forma de mostrar la capacidad de resolución de la estrategia planteada. Los resultados alcanzados a través de las mediciones realizadas son satisfactorios. 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 |
Las redes neuronales artificiales evolutivas representan una mejora de las redes neuronales artificiales convencionales donde su capacidad de adaptación se ve favorecida por la aplicación de procesos evolutivos. El presente artículo describe un nuevo método evolutivo denominado NeSR (NeuroEvolución de Sistemas de Reescritura) que permite obtener redes neuronales artificiales representadas a través de codificación indirecta. Para realizar dicha codificación se propone utilizar sistemas de reescritura ya que poseen la capacidad de generar arquitecturas complejas a partir de una representación relativamente pequeña. En base a esta representación, se ha realizado una cuidadosa definición de los operadores de crossover y mutación. El método propuesto ha sido aplicado a dos tipos de problemas diferentes (clasificación y control) como forma de mostrar la capacidad de resolución de la estrategia planteada. Los resultados alcanzados a través de las mediciones realizadas son satisfactorios. 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/10915/22742 |
url |
http://sedici.unlp.edu.ar/handle/10915/22742 |
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 693-704 |
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_ |
1842260118336438272 |
score |
13.13397 |