Algoritmos genéticos en el entrenamiento de redes neuronales artificiales

Ficha técnica

Título:Algoritmos genéticos en el entrenamiento de redes neuronales artificiales
Alumno:Martin Moschettoni
Inicio:1 Abril 2022
Fecha de defensa:31 Marzo 2023
Dirección:Gabriela Pérez
Co-Dirección:Claudia Pons
Participantes (del LIFIA)Gabriela Perez, Claudia Pons

Resumen

Las redes neuronales son un modelo computacional basado en un gran conjunto de unidades neuronales simples. Las neuronas están interconectadas formando capas (de entrada, ocultas y de salida) y cada interconexión tiene un peso (un valor numérico) , cada neurona opera utilizando funciones de suma sobre los pesos entrantes desde otra neurona, y utiliza una función de umbral para determinar si se propaga la señal entrante hacia otra neurona. El objetivo es que el modelo construya su propia forma de llegar a una solución de un determinado problema. La red neuronal necesita ser entrenada y lo que se hace es proporcionar entradas con sus respectivas soluciones correctas para modificar los pesos entre neuronas y calibrar la red para proporcionar la solución esperada en cada entrada determinada. Una vez terminado el entrenamiento se le proporcionan a la red datos que nunca antes vio, para determinar la eficacia con la que la red llega a la solución correcta. Por otro lado, el algoritmo genético es un algoritmo de optimización ( busca una solución óptima a un problema específico ) basado en el concepto de “la supervivencia del más apto” de Charles Darwin. La idea del algoritmo es comenzar con un conjunto de soluciones candidatas las cuales son generadas aleatoriamente y se las considera la primera generación de soluciones. Cada solución está representada por un conjunto de valores (binario, octal, hexadecimal y otros) que determinan las características de la solución y se le llama cromosoma a ese conjunto de datos. Por cada generación se calcula para cada solución su aptitud o fitness que determina que tan buena solución es, una vez calculada la aptitud de cada solución se seleccionan de a pares para combinar sus cromosomas y generar una nueva solución híbrida de las anteriores que luego pasa por un proceso de mutación (se alteran algunos valores de su cromosoma de forma aleatoria). Se realizan estas combinaciones hasta reemplazar a toda la generación por nuevas soluciones y el proceso se repite una cierta cantidad de generaciones o hasta encontrar una solución con una aptitud óptima para resolver el problema específico. El objetivo del trabajo es estudiar ambos mecanismos, con el propósito de aplicar las bases de los algoritmos genéticos sobre el armado y el entrenamiento de las redes neuronales, con la intención particular de obtener los parámetros óptimos para las mismas, descubrir pre y pos condiciones, mejorar la explicabilidad, etc .

Publicaciones

Proyectos

Técnicas de Inteligencia Artificial Neuro-simbólica. Financiado por Comisión de Investigaciones Científicas y Facultad de Informática y Universidad Abierta Interamericana. Dirigido por Claudia Pons. CoDirigido por Roxana Giandini. Duración: 1/1/2019-31/12/2023