Aprendizaje de reglas difusas usando algoritmos genéticos

• Autores: F. G. Pérez Rodríguez
• Directores de la Tesis: Antonio González Muñoz (dir. tes.)
• Lectura: En la Universidad de Granada ( España ) en 1998
• Idioma: español
• Tribunal Calificador de la Tesis: María Amparo Vila Miranda (presid.) , Francisco Herrera Triguero (secret.) , María del Carmen García-Alegre Sánchez (voc.) , César Hervás Martínez (voc.) , Luis Magdalena Layos (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • En esta memoria se presenta el desarrollo en varias etapas de un algoritmo inductivo de aprendizaje basado en la metodología iterativa para la obtención de reglas difusas, llamado SLAVE, SLAVE usa algoritmos genéticos para determinar en cada iteración del proceso de aprendizaje la mejor regla que representa cada clase teniendo en cuenta la información existente en el conjunto de ejemplos. Una caracteristica fundamental de SLAVE es que se ha concebido para abordar problemas de clasificación tanto en situaciones en las que la variable de clasificación toma valores sobre un referencial crisp, como para aquellas en la que la variable de clasificación toma valores sobre un referencial continuo. Para este segundo tipo de problemas, la aplicación de SLAVE es directa, sin más que discretizar el referencial de la variable de clasificación usando conjuntos difusos.

    Una de las características fundamentales de SLAVE es que obtiene la relevancia parcial de las variables de entrada, es decir, durante el proceso de aprendizaje el algoritmo selecciona las características relevantes para construir la descripción de la regla, no considerando para la descripción de la misma, las variables irrelevantes.

    En el capítulo II se presenta la metodología básica del algoritmo de aprendizaje.

    En el capítulo III se exponen dos vías para mejorar el comportamiento del algoritmo básico mediante la inclusión de mecanismos que permiten la colaboración en unos casos, y la competición en otros, de las reglas aprendidas. La primera de las vías consiste en la inclusión de un algoritmo de refinamiento de teorías como fase final del algoritmo de aprendizaje. Como segunda vía, se contempla la posibilidad de que sea el propio algoritmo el que incorpore la colaboración/competición entre las reglas durante el proceso de aprendizaje. Con tal fin, se propone un nuevo mecanismo de evaluación de reglas, que contempla el conocimiento previamen