Modelos de neurocomputación competitiva para el descubrimiento de estructuras

• Autores: M. Angeles García Bernal
• Directores de la Tesis: José Muñoz Pérez (dir. tes.)
• Lectura: En la Universidad de Málaga ( España ) en 2001
• Idioma: español
• Tribunal Calificador de la Tesis: Rafael Infante Macías (presid.) , Inmaculada Pérez de Guzmán Molina (secret.) , Antonio Pascual Acosta (voc.) , Francisco Andrés Triguero Ruiz (voc.) , César Hervás Martínez (voc.)
• Texto completo no disponible (Saber más ...)
• Resumen

  • En esta memoria se desarrolla, en primer lugar, una red neuronal competitiva booleana, donde tanto los patrones de entrada como los pesos sinapticos de las unidades de proceso son binarios, y cuya regla de aprendizaje viene determinada por un mecanismo probabilistico que garantiza que los pesos sinapticos de la unidad ganadora se acerquen al patron de entrada, sigan siendo binarios y lleguen a ser la medianoide del grupo que determina dicha unidad, Ademas, el proceso de aprendizaje incorpora un termino de expansion para conseguir que la solucion alcanzada sea un minimo global de la funcion de distorsion o un minimo local con un valor proximo a el. Dicha red se aplica a la comprension de imágenes binarias. Asimismo, se desarrolla una red competitiva para patrones de entrada analogicos (reales) basada en dipolos, es decir, cada unidad de proceso lleva asociada un par de vectores sinapticos (dipolo), que determinan un segmento, en lugar del centroide que determinan los pesos sinapticos en una red competitiva simple. Se proponen varias reglas de aprendizaje no supervisado para la determiacion de los dipolos y se aplican a la formacion de grupos consiguiendo agrupaciones correctas en conjuntos de datos, como los datos de virus, y solo 3 clasificaciones incorrectas en los datos IRIS(lirios), cuando los algoritmos no supervisados mas conocidos consiguen agrupaciones que tienen entre 12 y 17 clasificaciones incorrectas. Tambien se aplican a la determinacion de componentes principales y a la compresion de imágenes monocromaticas. Ademas, se proponen varios algoritmos de aprendizaje supervisado para la determinacion de los dipolos de las unidades de proceso. Dichas redes se aplican a la clasificacion, pues construyen fronteras de decision formadas por tramos de superficies de segundo orden (paraboloides), mientras que los modelos tradicionales construyen diagramas de Voronoi, que son de tramos lineales. Finalmente, se desarrolla una red autoorga