Saltar navegación e ir al contenido principal

Estás filtrando por

Se encontraron 110737 resultados en recursos

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

El objetivo de la reducción de atributos mínimos es encontrar el subconjunto mínimo R del conjunto de atributos de la condición C de manera que R tenga la misma calidad de clasificación que C . Se sabe que este problema es difícil de resolver. Cuando sólo se requiere una reducción mínima de atributos, se transformó en un problema de optimización combinatoria con restricciones no lineales sobre un espacio booleano y se utilizaron algunos enfoques de búsqueda heurística. En este caso, la función de aptitud es una de las claves de este problema. Es necesario que la función de aptitud satisfaga la equivalencia entre la solución óptima y la reducción mínima de atributos. Desgraciadamente, las funciones de aptitud existentes no cumplen la equivalencia o son demasiado complicadas. En este artículo, se ofrece una función de aptitud simple y mejor basada en el dominio positivo. La prueba teórica muestra que la solución óptima es equivalente a la reducción mínima de atributos. Los resultados experimentales muestran que la función de aptitud propuesta es mejor que la función de aptitud existente para cada algoritmo en la prueba.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

El reconocimiento de patrones en los gráficos de control es fundamental para lograr un equilibrio entre descubrir los fallos lo antes posible y reducir el número de falsas alarmas. Este trabajo está dedicado al diseño de un conjunto de redes neuronales multietapa que logre este equilibrio y que reduzca los retrabajos y raspados sin reducir la productividad. El conjunto en cuestión está compuesto por una serie de etapas de redes neuronales y una serie de puntos de decisión. Inicialmente, este trabajo comparó el uso de puntos de decisión múltiples y de puntos de decisión únicos en el rendimiento de la RNA, lo que demostró que los puntos de decisión múltiples son muy preferibles a los puntos de decisión únicos. Este trabajo también probó el efecto de los porcentajes de población en la RNA y lo utilizó para optimizar el rendimiento de la RNA. Asimismo, este trabajo utilizó RNA optimizadas y no optimizadas en un conjunto y demostró que el uso de RNA no optimizadas puede reducir el rendimiento del conjunto. El conjunto que utilizó sólo las RNA optimizadas ha mejorado su rendimiento con respecto a las RNA individuales y a la regla del nivel de tres sigmas. En este sentido, el uso del conjunto diseñado puede ayudar a reducir el número de paradas falsas y aumentar la productividad. También puede utilizarse para descubrir incluso pequeños cambios en la media lo antes posible.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

La negociación de pares es un área de investigación importante y desafiante en las finanzas computacionales, en la que se compran y venden pares de acciones en combinaciones de pares para obtener oportunidades de arbitraje. Los métodos tradicionales que resuelven este conjunto de problemas se basan principalmente en métodos estadísticos como la regresión. En contraste con los enfoques estadísticos, los recientes avances en inteligencia computacional (IC) están dando lugar a prometedoras oportunidades para resolver problemas en las aplicaciones financieras de manera más eficaz. En este artículo, presentamos una nueva metodología para la negociación de pares mediante algoritmos genéticos (AG). Nuestros resultados mostraron que los modelos basados en AG son capaces de superar significativamente el punto de referencia y nuestro método propuesto es capaz de generar modelos robustos para hacer frente a las características dinámicas en la aplicación financiera estudiada. Basándonos en los prometedores resultados obtenidos, esperamos que este método basado en AG haga avanzar la investigación en inteligencia computacional para las finanzas y proporcione una solución eficaz para el comercio de pares para la inversión en la práctica.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

La transferencia de la interfaz cerebro-ordenador (BCI) de las condiciones de laboratorio a la aplicación en el mundo real requiere que la BCI se aplique de forma asíncrona sin ninguna limitación de tiempo. El alto nivel de dinamismo de la señal del electroencefalograma (EEG) nos lleva a buscar un algoritmo evolutivo (AG). Motivado por estos dos hechos, en este trabajo se ha utilizado una técnica híbrida de clustering GA-PSO basada en K -means para distinguir dos clases de tareas de imaginería motora (MI). El clustering híbrido GA-PSO basado en K -means propuesto supera a las técnicas de clustering de K -means basadas en algoritmos genéticos (GA) y en optimización de enjambre de partículas (PSO) tanto en términos de precisión como de tiempo de ejecución. El menor tiempo de ejecución de la técnica híbrida GA-PSO la hace adecuada para aplicaciones BCI en tiempo real. Las técnicas de representación de la frecuencia temporal (TFR) se han utilizado para extraer las características de la señal investigada. Las características basadas en TFRs se extraen y basándose en el concepto de sincronización relacionada con el evento (ERD) y desincronización (ERD) se forma el vector de características.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Las neuronas spiking son modelos diseñados para simular, de forma realista, el comportamiento de las neuronas biológicas. Recientemente, se ha demostrado que este tipo de neuronas puede aplicarse para resolver problemas de reconocimiento de patrones con gran eficacia. Sin embargo, la falta de estrategias de aprendizaje para el entrenamiento de estos modelos no permite utilizarlos en diversos problemas de reconocimiento de patrones. Por otro lado, en los últimos años se han propuesto varios algoritmos bioinspirados para la resolución de un amplio abanico de problemas de optimización, incluyendo los relacionados con el campo de las redes neuronales artificiales (RNA). La colonia artificial de abejas (ABC) es un novedoso algoritmo basado en el comportamiento de las abejas en la tarea de explorar su entorno para encontrar una fuente de alimento. En este trabajo, describimos cómo el algoritmo ABC puede ser utilizado como estrategia de aprendizaje para entrenar una neurona con pico, con el objetivo de resolver problemas de reconocimiento de patrones. Finalmente, el enfoque propuesto se pone a prueba en varios problemas de reconocimiento de patrones. Es importante resaltar que para realizar la potencia de este tipo de modelo sólo se utilizará una neurona. Además, analizamos cómo se mejora el rendimiento de estos modelos utilizando este tipo de estrategia de aprendizaje.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

La estimulación transcraneal por corriente directa (tDCS) es una técnica neuromoduladora que suministra corriente directa de baja intensidad a zonas corticales facilitando o inhibiendo la actividad neuronal espontánea. Este trabajo investiga cómo las variaciones normales de la anatomía pueden afectar al flujo de corriente a través del cerebro. Para ello, se aplicaron métodos computacionales electromagnéticos a modelos humanos de diferente edad y sexo y se compararon las distribuciones de amplitud del campo eléctrico y de la densidad de corriente dentro de los tejidos. Los resultados de este estudio mostraron que la tendencia general de las distribuciones espaciales de la amplitud del campo comparte algunas características brutas entre los diferentes modelos humanos para los mismos montajes de electrodos. Sin embargo, la dimensión física del sujeto y sus características morfológicas y anatómicas influyen de algún modo en las distribuciones detalladas del campo, como los valores del campo.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Se propone un nuevo algoritmo de aprendizaje para resolver problemas de optimización numérica global. El algoritmo de aprendizaje propuesto es un método de búsqueda estocástica intensa que se basa en la evaluación y optimización de un hipercubo y se denomina algoritmo de optimización del hipercubo (HO). El algoritmo HO comprende el proceso de inicialización y evaluación, el proceso de desplazamiento-encogimiento y el proceso de búsqueda en el espacio. El proceso de inicialización y evaluación inicializa la solución inicial y evalúa las soluciones en el hipercubo dado. El proceso de desplazamiento-encogimiento determina el desplazamiento y evalúa las funciones objetivo utilizando nuevos puntos, y el proceso de espacio de búsqueda determina el siguiente hipercubo utilizando ciertas reglas y evalúa las nuevas soluciones. Los algoritmos para estos procesos han sido diseñados y presentados en el artículo. El algoritmo HO diseñado se ha probado con funciones de referencia específicas. Las simulaciones del algoritmo HO se han realizado para la optimización de funciones de 1000, 5000 o incluso 10000 dimensiones. Los resultados comparativos de las simulaciones con otros enfoques demuestran que el algoritmo propuesto es un candidato potencial para la optimización de funciones de baja y alta dimensión.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

Con los avances en las técnicas electrónicas y de imagen, la producción de imágenes digitales ha aumentado rápidamente, y la extracción y anotación automatizada de la semántica emocional implícita en las imágenes se han convertido en cuestiones que deben abordarse urgentemente. Para simular mejor la subjetividad y la ambigüedad humanas en la comprensión de las imágenes de escenas, el presente estudio propone un método de anotación semántica emocional para imágenes de escenas basado en la teoría de conjuntos difusos. Se calculó un grado de pertenencia difuso para describir el grado emocional de una imagen de escena y se implementó utilizando el algoritmo Adaboost y una red neuronal de retropropagación (BP). El método de anotación automatizada se entrenó y probó utilizando imágenes de escenas de la base de datos SUN. Los resultados de la anotación se compararon con los basados en la anotación artificial. Nuestro método mostró una tasa de precisión de anotación del 91,2 en los valores emocionales básicos y del 82,4después de añadir los valores emocionales ampliados, lo que corresponde a un aumento del 5,5y 8,9%, respectivamente, en comparación con los resultados obtenidos al utilizar un único algoritmo de red neuronal BP. Además, la tasa de precisión de la recuperación basada en nuestro método alcanzó aproximadamente el 89%. Este estudio pretende sentar una base sólida para la anotación semántica emocional automatizada de más tipos de imágenes y, por tanto, tiene una importancia práctica.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

La previsión del consumo de energía (ECF) es una cuestión política importante en las economías actuales. Un ECF preciso tiene grandes beneficios para las empresas eléctricas y tanto los errores negativos como los positivos conducen a un aumento de los costes de explotación. Este artículo propone un marco de programación genética basado en la semántica para abordar el problema del ECF. En particular, proponemos un sistema que encuentra soluciones (casi) perfectas con alta probabilidad y que genera modelos capaces de producir predicciones casi óptimas también sobre datos no vistos. El marco de trabajo combina una versión recientemente desarrollada de la programación genética que integra operadores genéticos semánticos con un método de búsqueda local. La idea principal al combinar la programación genética semántica y un buscador local es acoplar la capacidad de exploración de la primera con la capacidad de explotación de la segunda. Los resultados experimentales confirman la idoneidad del método propuesto para predecir el consumo de energía. En particular, el sistema produce un error menor con respecto a las técnicas existentes del estado del arte utilizadas en el mismo conjunto de datos. Y lo que es más importante, este estudio de caso ha demostrado que la inclusión de un buscador local en el sistema de programación genética semántica geométrica puede acelerar el proceso de búsqueda y dar lugar a modelos más ajustados que son capaces de producir una predicción precisa también en datos no vistos.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2015

El aprendizaje activo es el problema de la construcción interactiva del conjunto de entrenamiento utilizado en la clasificación con el fin de reducir su tamaño. Lo ideal sería añadir sucesivamente el par instancia-etiqueta que más disminuya el error de clasificación. Sin embargo, el efecto de la adición de un par no se conoce de antemano. Se puede estimar con los pares que ya están en el conjunto de entrenamiento. La minimización en línea del error de clasificación implica un compromiso entre la exploración y la explotación. Se trata de un problema común en el aprendizaje automático para el que el bandido multiarmado, que utiliza el enfoque del optimismo ante la incertidumbre, ha demostrado ser muy eficiente en los últimos años. Este trabajo presenta tres algoritmos para el problema de aprendizaje activo en clasificación utilizando el Optimismo ante la Incertidumbre. Los experimentos llevados a cabo en problemas incorporados y conjuntos de datos del mundo real demuestran que se comparan positivamente con los métodos del estado del arte.

Fuente: Revista Virtual Pro Formatos de contenido: Otros