ANELAR : Arreglos Neuronales Evolutivos de Longitud Adaptable Reducida

• Autores: Corbalán, Leonardo César; Osella Massa, Germán Leandro; Lanzarini, Laura Cristina; De Giusti, Armando Eduardo
• Año de publicación: 2004
• Idioma: español castellano
• Tipo de recurso: documento de conferencia
• Materia: Ciencias Informáticas; ARTIFICIAL INTELLIGENCE; Redes Neuronales Evolutivas; Intelligent agents; Arreglos Neuronales Evolutivos; Neural nets; Aprendizaje; Algoritmos Genéticos; Learning; Algorithms; Subpoblaciones; Migraciones
• Institución: Universidad Nacional de La Plata

Los arreglos neuronales evolutivos (ANE) han demostrado ser capaces de aprender comportamiento complejo y han sido aplicados satisfactoriamente en la resolución de problemas en áreas tales como robótica y control de procesos. A diferencia de los métodos convencionales, basados en una única red neuronal, los ANE están conformados por un conjunto de redes que se organizan en forma de arreglo. Por otro lado, los arreglos neuronales evolutivos de longitud adaptable (ANELA) poseen las mismas características de los ANE y además son capaces de ajustar automáticamente su longitud durante el proceso evolutivo. Sin embargo, si bien han demostrado ser muy eficientes, no están diseñados para minimizar el tamaño de la estructura sino para maximizar su rendimiento. En este artículo se presenta ANELAR que, si bien comparte la definición de la arquitectura con ANELA, mejora el método de aprendizaje para obtener arreglos neuronales de longitud reducida con la menor pérdida de eficiencia posible. Se ha aplicado ANELA y ANELAR a problemas de evasión de obstáculos y recolección de objetos, evidenciando su superioridad con respecto a los métodos tradicionales que manejan poblaciones simples de redes neuronales. Finalmente se presentan las conclusiones y se plantean algunas líneas de trabajo futuras.
Eje: V - Workshop de agentes y sistemas inteligentes
Red de Universidades con Carreras en Informática (RedUNCI)