FACI: un framework para inteligencia computacional académica

Autores
Barnij, Jorgelina E.
Año de publicación
2014
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Uno de los principales desafíos en la utilización de redes neuronales es el entrenamiento de las mismas. En la mayoría de los casos, se recurre para tal fin, a técnicas de descenso por el gradiente, como el algoritmo de Retropropagación del error. Sin embargo, estas a veces pueden ser muy costosas en tiempo de cómputo, utilización de memoria, etc. En este trabajo se presenta un framework para el diseño de redes neuronales que pueden ser entrenadas a través de distintos algoritmos de entrenamiento. El framework se describe para el caso de una red neuronal del tipo Perceptrón Multicapa que permite la detección de números naturales de un dígito. Se muestra el entrenamiento mediante la utilización del algoritmo de Retropropagación del error y algoritmos Genéticos y se compara mediante el tiempo promedio de entrenamiento y la exactitud de la red entrenada. En base a los resultados, se ver a que el Algoritmo Genético es una alternativa atractiva respecto al clásico algoritmo de Retropropagación del error.
Trabajo final de carrera
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
Materia
Ciencias Informáticas
algoritmo genético
algoritmo de retropropagación del error
redes neuronales multicapa
aprendizaje supervisado
clasificación
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/42058
Acceder
id SEDICI_62eb55de2ab4df275468c43930fe540d
oai_identifier_str oai:sedici.unlp.edu.ar:10915/42058
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling FACI: un framework para inteligencia computacional académicaBarnij, Jorgelina E.Ciencias Informáticasalgoritmo genéticoalgoritmo de retropropagación del errorredes neuronales multicapaaprendizaje supervisadoclasificaciónUno de los principales desafíos en la utilización de redes neuronales es el entrenamiento de las mismas. En la mayoría de los casos, se recurre para tal fin, a técnicas de descenso por el gradiente, como el algoritmo de Retropropagación del error. Sin embargo, estas a veces pueden ser muy costosas en tiempo de cómputo, utilización de memoria, etc. En este trabajo se presenta un framework para el diseño de redes neuronales que pueden ser entrenadas a través de distintos algoritmos de entrenamiento. El framework se describe para el caso de una red neuronal del tipo Perceptrón Multicapa que permite la detección de números naturales de un dígito. Se muestra el entrenamiento mediante la utilización del algoritmo de Retropropagación del error y algoritmos Genéticos y se compara mediante el tiempo promedio de entrenamiento y la exactitud de la red entrenada. En base a los resultados, se ver a que el Algoritmo Genético es una alternativa atractiva respecto al clásico algoritmo de Retropropagación del error.Trabajo final de carreraSociedad Argentina de Informática e Investigación Operativa (SADIO)2014-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf168-182http://sedici.unlp.edu.ar/handle/10915/42058spainfo:eu-repo/semantics/altIdentifier/url/http://43jaiio.sadio.org.ar/proceedings/EST/14_897-2594-1-DR.pdfinfo:eu-repo/semantics/altIdentifier/issn/1850-2946info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/3.0/Creative Commons Attribution 3.0 Unported (CC BY 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-10-15T10:53:51Zoai:sedici.unlp.edu.ar:10915/42058Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-10-15 10:53:52.037SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv FACI: un framework para inteligencia computacional académica
title FACI: un framework para inteligencia computacional académica
spellingShingle FACI: un framework para inteligencia computacional académica
Barnij, Jorgelina E.
Ciencias Informáticas
algoritmo genético
algoritmo de retropropagación del error
redes neuronales multicapa
aprendizaje supervisado
clasificación
title_short FACI: un framework para inteligencia computacional académica
title_full FACI: un framework para inteligencia computacional académica
title_fullStr FACI: un framework para inteligencia computacional académica
title_full_unstemmed FACI: un framework para inteligencia computacional académica
title_sort FACI: un framework para inteligencia computacional académica
dc.creator.none.fl_str_mv Barnij, Jorgelina E.
author Barnij, Jorgelina E.
author_facet Barnij, Jorgelina E.
author_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
algoritmo genético
algoritmo de retropropagación del error
redes neuronales multicapa
aprendizaje supervisado
clasificación
topic Ciencias Informáticas
algoritmo genético
algoritmo de retropropagación del error
redes neuronales multicapa
aprendizaje supervisado
clasificación
dc.description.none.fl_txt_mv Uno de los principales desafíos en la utilización de redes neuronales es el entrenamiento de las mismas. En la mayoría de los casos, se recurre para tal fin, a técnicas de descenso por el gradiente, como el algoritmo de Retropropagación del error. Sin embargo, estas a veces pueden ser muy costosas en tiempo de cómputo, utilización de memoria, etc. En este trabajo se presenta un framework para el diseño de redes neuronales que pueden ser entrenadas a través de distintos algoritmos de entrenamiento. El framework se describe para el caso de una red neuronal del tipo Perceptrón Multicapa que permite la detección de números naturales de un dígito. Se muestra el entrenamiento mediante la utilización del algoritmo de Retropropagación del error y algoritmos Genéticos y se compara mediante el tiempo promedio de entrenamiento y la exactitud de la red entrenada. En base a los resultados, se ver a que el Algoritmo Genético es una alternativa atractiva respecto al clásico algoritmo de Retropropagación del error.
Trabajo final de carrera
Sociedad Argentina de Informática e Investigación Operativa (SADIO)
description Uno de los principales desafíos en la utilización de redes neuronales es el entrenamiento de las mismas. En la mayoría de los casos, se recurre para tal fin, a técnicas de descenso por el gradiente, como el algoritmo de Retropropagación del error. Sin embargo, estas a veces pueden ser muy costosas en tiempo de cómputo, utilización de memoria, etc. En este trabajo se presenta un framework para el diseño de redes neuronales que pueden ser entrenadas a través de distintos algoritmos de entrenamiento. El framework se describe para el caso de una red neuronal del tipo Perceptrón Multicapa que permite la detección de números naturales de un dígito. Se muestra el entrenamiento mediante la utilización del algoritmo de Retropropagación del error y algoritmos Genéticos y se compara mediante el tiempo promedio de entrenamiento y la exactitud de la red entrenada. En base a los resultados, se ver a que el Algoritmo Genético es una alternativa atractiva respecto al clásico algoritmo de Retropropagación del error.
publishDate 2014
dc.date.none.fl_str_mv 2014-09
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/10915/42058
url http://sedici.unlp.edu.ar/handle/10915/42058
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://43jaiio.sadio.org.ar/proceedings/EST/14_897-2594-1-DR.pdf
info:eu-repo/semantics/altIdentifier/issn/1850-2946
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/3.0/
Creative Commons Attribution 3.0 Unported (CC BY 3.0)
dc.format.none.fl_str_mv application/pdf
168-182
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_ 1846063977976561664
score 13.22299

Publicaciones similares