Controladores obtenidos por neuroevolución

Autores
Vinuesa, Hernán Luis
Año de publicación
2009
Idioma
español castellano
Tipo de recurso
tesis de grado
Estado
versión aceptada
Colaborador/a o director/a de tesis
Lanzarini, Laura Cristina
Descripción
El aporte central de esta tesis radica en la definición de estrategias evolutivas que permiten obtener controladores neuronales aplicables directamente al área de la Robótica. A partir del método NEAT (NeuroEvolution of Augmenting Topologies) se ha definido una nueva estrategia con capacidad para combinar módulos neuronales entrenados previamente. El resultado de esta combinación permite obtener una arquitectura adecuada en menor tiempo. Como una segunda alternativa para reducir el tiempo de obtención del controlador se propone combinar las primeras etapas de evolución deNEATcon evolución por torneo binario. Finalmente, se plantea el uso de una minipoblación de controladores para lograr una adaptación a entornos dinámicos. Los resultados obtenidos fueron aplicados sobre un robot Kephera II con resultados satisfactorios.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
Materia
Ciencias Informáticas
Commercial robots and applications
metaheurística; NEAT; redes neuronales artificiales; algoritmos genéticos
robótica
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/4015
Acceder
id SEDICI_ad15fcdb90700c908df9cc1b52e1347b
oai_identifier_str oai:sedici.unlp.edu.ar:10915/4015
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Controladores obtenidos por neuroevoluciónVinuesa, Hernán LuisCiencias InformáticasCommercial robots and applicationsmetaheurística; NEAT; redes neuronales artificiales; algoritmos genéticosrobóticaEl aporte central de esta tesis radica en la definición de estrategias evolutivas que permiten obtener controladores neuronales aplicables directamente al área de la Robótica. A partir del método NEAT (NeuroEvolution of Augmenting Topologies) se ha definido una nueva estrategia con capacidad para combinar módulos neuronales entrenados previamente. El resultado de esta combinación permite obtener una arquitectura adecuada en menor tiempo. Como una segunda alternativa para reducir el tiempo de obtención del controlador se propone combinar las primeras etapas de evolución deNEATcon evolución por torneo binario. Finalmente, se plantea el uso de una minipoblación de controladores para lograr una adaptación a entornos dinámicos. Los resultados obtenidos fueron aplicados sobre un robot Kephera II con resultados satisfactorios.Licenciado en SistemasUniversidad Nacional de La PlataFacultad de InformáticaLanzarini, Laura Cristina2009info:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionTesis de gradohttp://purl.org/coar/resource_type/c_7a1finfo:ar-repo/semantics/tesisDeGradoapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/4015spainfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T10:49:26Zoai:sedici.unlp.edu.ar:10915/4015Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 10:49:26.756SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Controladores obtenidos por neuroevolución
title Controladores obtenidos por neuroevolución
spellingShingle Controladores obtenidos por neuroevolución
Vinuesa, Hernán Luis
Ciencias Informáticas
Commercial robots and applications
metaheurística; NEAT; redes neuronales artificiales; algoritmos genéticos
robótica
title_short Controladores obtenidos por neuroevolución
title_full Controladores obtenidos por neuroevolución
title_fullStr Controladores obtenidos por neuroevolución
title_full_unstemmed Controladores obtenidos por neuroevolución
title_sort Controladores obtenidos por neuroevolución
dc.creator.none.fl_str_mv Vinuesa, Hernán Luis
author Vinuesa, Hernán Luis
author_facet Vinuesa, Hernán Luis
author_role author
dc.contributor.none.fl_str_mv Lanzarini, Laura Cristina
dc.subject.none.fl_str_mv Ciencias Informáticas
Commercial robots and applications
metaheurística; NEAT; redes neuronales artificiales; algoritmos genéticos
robótica
topic Ciencias Informáticas
Commercial robots and applications
metaheurística; NEAT; redes neuronales artificiales; algoritmos genéticos
robótica
dc.description.none.fl_txt_mv El aporte central de esta tesis radica en la definición de estrategias evolutivas que permiten obtener controladores neuronales aplicables directamente al área de la Robótica. A partir del método NEAT (NeuroEvolution of Augmenting Topologies) se ha definido una nueva estrategia con capacidad para combinar módulos neuronales entrenados previamente. El resultado de esta combinación permite obtener una arquitectura adecuada en menor tiempo. Como una segunda alternativa para reducir el tiempo de obtención del controlador se propone combinar las primeras etapas de evolución deNEATcon evolución por torneo binario. Finalmente, se plantea el uso de una minipoblación de controladores para lograr una adaptación a entornos dinámicos. Los resultados obtenidos fueron aplicados sobre un robot Kephera II con resultados satisfactorios.
Licenciado en Sistemas
Universidad Nacional de La Plata
Facultad de Informática
description El aporte central de esta tesis radica en la definición de estrategias evolutivas que permiten obtener controladores neuronales aplicables directamente al área de la Robótica. A partir del método NEAT (NeuroEvolution of Augmenting Topologies) se ha definido una nueva estrategia con capacidad para combinar módulos neuronales entrenados previamente. El resultado de esta combinación permite obtener una arquitectura adecuada en menor tiempo. Como una segunda alternativa para reducir el tiempo de obtención del controlador se propone combinar las primeras etapas de evolución deNEATcon evolución por torneo binario. Finalmente, se plantea el uso de una minipoblación de controladores para lograr una adaptación a entornos dinámicos. Los resultados obtenidos fueron aplicados sobre un robot Kephera II con resultados satisfactorios.
publishDate 2009
dc.date.none.fl_str_mv 2009
dc.type.none.fl_str_mv info:eu-repo/semantics/bachelorThesis
info:eu-repo/semantics/acceptedVersion
Tesis de grado
http://purl.org/coar/resource_type/c_7a1f
info:ar-repo/semantics/tesisDeGrado
format bachelorThesis
status_str acceptedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/4015
url http://sedici.unlp.edu.ar/handle/10915/4015
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/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
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_ 1844615747121184768
score 13.069144

Publicaciones similares