Saltar navegación e ir al contenido principal

Estás filtrando por

Se encontraron 110737 resultados en recursos

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Este trabajo propone la Optimización del Búfalo Africano (OBA), que es un nuevo algoritmo metaheurístico derivado de la cuidadosa observación de los búfalos africanos, una especie de vacas salvajes, en las selvas y sabanas africanas. Este animal hace gala de una inteligencia poco común, una capacidad de organización estratégica y un ingenio de navegación excepcional en su recorrido por el paisaje africano en busca de alimento. La optimización del búfalo africano construye un modelo matemático a partir del comportamiento de este animal y utiliza el modelo para resolver 33 problemas simétricos de referencia del vendedor ambulante y seis instancias asimétricas difíciles del TSPLIB. Este estudio muestra que los búfalos son capaces de garantizar una excelente exploración y explotación del espacio de búsqueda mediante la comunicación regular, la cooperación y la buena memoria de sus hazañas personales anteriores, así como el aprovechamiento de las hazañas colectivas de la manada. Los resultados obtenidos al utilizar el ABO para resolver estos casos de TSP se compararon con los resultados obtenidos al utilizar otros algoritmos populares. Los resultados obtenidos utilizando el algoritmo African Buffalo Optimization son muy competitivos.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Una técnica de optimización moderna típica suele ser la heurística o la metaheurística. Esta técnica ha logrado resolver algunos problemas de optimización en el área de investigación de la ciencia, la ingeniería y la industria. Sin embargo, la estrategia de implementación de la metaheurística para la mejora de la precisión en las redes neuronales de convolución (CNN), un famoso método de aprendizaje profundo, todavía se investiga poco. El aprendizaje profundo se relaciona con un tipo de técnica de aprendizaje automático, donde su objetivo es acercarse a la meta de la inteligencia artificial de crear una máquina que pueda realizar con éxito cualquier tarea intelectual que pueda realizar un humano. En este trabajo, proponemos la estrategia de implementación de tres enfoques metaheurísticos populares, es decir, el recocido simulado, la evolución diferencial y la búsqueda de armonía, para optimizar la CNN. Se evaluó y comparó el rendimiento de estos métodos metaheurísticos en la optimización de la CNN en la clasificación de los conjuntos de datos MNIST y CIFAR. Además, los métodos propuestos también se comparan con la CNN original. Aunque los métodos propuestos muestran un aumento en el tiempo de cálculo, su precisión también se ha mejorado (hasta un 7,14 por ciento).

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Introducimos un recurso léxico para el preprocesamiento de datos de redes sociales. Demostramos que una representación de características basada en redes neuronales se ve mejorada al utilizar este recurso. Realizamos experimentos con los corpus de perfiles de autor PAN 2015 y PAN 2016 y obtuvimos mejores resultados al realizar el preprocesamiento de datos utilizando el recurso léxico desarrollado. El recurso incluye diccionarios de palabras de jerga, contracciones, abreviaturas y emoticonos de uso común en las redes sociales. Cada uno de los diccionarios se ha creado para los idiomas inglés, español, holandés e italiano. El recurso es de libre acceso.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Los fallos operativos y las anomalías de comportamiento asociados a los procesos de control de los PLC se producen con frecuencia en un sistema de fabricación. La identificación en tiempo real de estos fallos operativos y anomalías de comportamiento es necesaria en la industria manufacturera. En este artículo, presentamos una herramienta automatizada, llamada PLC Log-Data Analysis Tool (PLAT) que puede detectarlas mediante el uso de registros de datos del PLC. PLAT crea automáticamente un modelo nominal del proceso de control del PLC y emplea un novedoso esquema de indexación y búsqueda basado en una tabla hash para satisfacer estos propósitos. Nuestros experimentos demuestran que PLAT es significativamente rápido, proporciona una identificación en tiempo real de los fallos operativos y de las anomalías de comportamiento, y puede ejecutarse en un espacio de memoria reducido. Además, PLAT puede manejar fácilmente un gran sistema de fabricación con una configuración informática razonable y puede instalarse en paralelo al sistema de registro de datos para identificar eficazmente los fallos operativos y las anomalías de comportamiento.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Un modelo de Red Neuronal Artificial Equivalente (EANN) describe el conjunto de ganancias, vistas como parámetros en una capa, y esta consideración es un proceso reproducible, aplicable a una neurona en una red neuronal (NN). El EANN ayuda a estimar las ganancias o parámetros de la NN, por lo que proponemos dos métodos para determinarlas. El primero considera una inferencia difusa combinada con el filtro de Kalman tradicional, obteniendo el modelo equivalente y estimando en sentido difuso la matriz de ganancias A y la ganancia adecuada K en la identificación del filtro tradicional. El segundo desarrolla una estimación directa en el espacio de estado, describiendo un EANN utilizando el valor esperado y la descripción recursiva de la estimación de las ganancias. Finalmente, se realiza una comparación de ambas descripciones; destacando que el método analítico describe los coeficientes de la red neuronal de forma directa, mientras que la otra técnica requiere seleccionar en la Base de Conocimiento (KB) los factores basados en el error funcional y la señal de referencia construida con la información pasada del sistema.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

El algoritmo de recocido simulado (SA) es un popular algoritmo de optimización inteligente que se ha aplicado con éxito en muchos campos. El ajuste de los parámetros es un factor clave para su rendimiento, pero también es un trabajo tedioso. Para simplificar el ajuste de los parámetros, presentamos un algoritmo de recocido simulado basado en listas (LBSA) para resolver el problema del viajante de comercio (TSP). El algoritmo LBSA utiliza un novedoso programa de enfriamiento basado en listas para controlar la disminución de la temperatura. En concreto, primero se crea una lista de temperaturas y, a continuación, la temperatura máxima de la lista es utilizada por el criterio de aceptación de Metropolis para decidir si se acepta una solución candidata. La lista de temperaturas se adapta iterativamente según la topología del espacio de soluciones del problema. La eficacia y la sensibilidad de los parámetros del programa de enfriamiento basado en la lista se ilustran mediante problemas TSP de referencia. El algoritmo LBSA, cuyo rendimiento es robusto en un amplio rango de valores de parámetros, muestra un rendimiento competitivo en comparación con otros algoritmos del estado del arte.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

La selección de características desempeña un papel fundamental en la categorización de textos. Durante la selección de características, los términos de alta frecuencia y las contribuciones relativas interclase e intraclase de los términos tienen efectos significativos en los resultados de la clasificación. Por ello, en este artículo proponemos un enfoque de selección de características, IIRCT, basado en las contribuciones relativas interclase e intraclase de los términos. En nuestro algoritmo propuesto, se consideran sintéticamente tres factores críticos, que son la frecuencia de los términos y la contribución relativa interclase y la contribución relativa intraclase de los términos. Por último, se realizan experimentos con la ayuda del clasificador kNN. Y los resultados correspondientes en 20 corpus NewsGroup y SougouCS muestran que el algoritmo IIRCT logra un mejor rendimiento que los algoritmos DF, t-Test y CMFS.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Los sistemas de interfaz cerebro-ordenador (BCI) basados en el electroencefalograma (EEG) suelen utilizar un tipo de cambios en la dinámica de las oscilaciones cerebrales para el control, como la desincronización/sincronización relacionada con eventos (ERD/ERS), el potencial evocado visual de estado estable (SSVEP) y los potenciales evocados P300. Existe una tendencia reciente a detectar más de una de estas señales en un sistema para crear una BCI híbrida. Sin embargo, en este caso, los datos del EEG se dividieron siempre en grupos y se analizaron mediante procedimientos de procesamiento independientes. Como resultado, se ignoraban los efectos interactivos cuando se ejecutaban simultáneamente diferentes tipos de tareas BCI. En este trabajo, proponemos un esquema multimodal mejorado basado en un tensor, especialmente para la BCI híbrida, en el que las señales de EEG se denotan como tensores multidireccionales, se propone un modelo de descomposición tensorial no redundante para obtener componentes tensoriales no redundantes, se diseña un criterio de Fisher ponderado para seleccionar patrones discriminativos multimodales sin ignorar los efectos interactivos, y se extiende la máquina de vectores de soporte (SVM) a la clasificación multiclase. Los resultados de los experimentos sugieren que el esquema propuesto no sólo puede identificar los diferentes cambios en la dinámica de las oscilaciones cerebrales inducidos por diferentes tipos de tareas, sino también capturar adecuadamente los efectos interactivos de las tareas simultáneas. Por lo tanto, tiene un gran potencial de uso para la BCI híbrida.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

Tanto las características estáticas como las de movimiento han mostrado un rendimiento prometedor en la tarea de reconocimiento de actividades humanas. Sin embargo, la información incluida en estas características es insuficiente para actividades humanas complejas. En este trabajo, proponemos extraer la información relacional de las características estáticas y de movimiento para el reconocimiento de actividades humanas. Los vídeos se representan mediante un modelo clásico de Bolsa de Palabras (BoW) que es útil en muchos trabajos. Para obtener un libro de códigos compacto y discriminativo con una dimensión pequeña, empleamos el algoritmo divisivo basado en la divergencia KL para reconstruir el libro de códigos. Después, para capturar la información relacional, construimos un grafo bipartito para modelar la relación entre las palabras de diferentes conjuntos de características. A continuación, utilizamos una partición de k vías para crear un nuevo libro de códigos en el que las palabras similares se juntan. Con este nuevo libro de códigos, los vídeos pueden ser representados por un nuevo vector BoW con fuerte información relacional. Además, proponemos un método para calcular nuevos clusters a partir de la función proyectiva del algoritmo de división. Probamos nuestro trabajo en varios conjuntos de datos y obtenemos resultados muy prometedores.

Fuente: Revista Virtual Pro Formatos de contenido: Otros

Exclusivo BibloRed

Por: Hindawi Publishing Corporation | Fecha: 2016

La espectroscopia funcional de infrarrojo cercano (fNIRS) es adecuada para el mapeo no invasivo de los cambios relativos en la actividad cortical regional, pero es limitada para las comparaciones cuantitativas entre sitios corticales, sujetos y poblaciones. Hemos desarrollado un método de análisis de redes neuronales convolucionales (CNN) que aprende vectores de características para la identificación precisa de las diferencias de grupo en las respuestas fNIRS. En este estudio, se clasificó el género de los sujetos utilizando el análisis de CNN de los datos de fNIRS. Se adquirieron datos de fNIRS de sujetos masculinos y femeninos durante una tarea de memoria numérica visual realizada en un entorno de ruido blanco porque estudios anteriores habían revelado que el patrón de flujo sanguíneo cortical durante la tarea difería entre hombres y mujeres. Un clasificador aprendido distinguió con precisión a los hombres de las mujeres basándose en señales fNIRS distintas de las regiones de interés (ROI), incluyendo el giro frontal inferior y las áreas premotoras que fueron identificadas por el algoritmo de aprendizaje. Estas regiones corticales están asociadas con el almacenamiento de la memoria, la atención y la respuesta motora a la tarea. La precisión del clasificador sugiere diferencias estables basadas en el género en el flujo sanguíneo cerebral durante esta tarea. El método de análisis CNN propuesto puede identificar objetivamente las ROIs utilizando datos de series temporales fNIRS para el aprendizaje automático para distinguir características entre grupos.

Fuente: Revista Virtual Pro Formatos de contenido: Otros