Tesis "Construcción Automática de la Arquitectura de una Red Neuronal de Función de Base Radial Mediante un Algoritmo Evolutivo"
Alumno: Samuel Antonio Montero Hernández
Asesor: Dr. Wilfrido Gómez Flores
Sinodales: Dr. Iván López Arévalo, Dr. Ricardo Landa Becerra
La selección de características (SC) y el diseño del clasificador (DC) son dos etapas básicas en la construcción de un sistema de clasificación. Típicamente, ambas tareas se han estudiado de forma aislada en la literatura. La SC tiene como objetivo remover las características irrelevantes y redundantes de un conjunto de muestras, mientras que el DC genera una frontera de decisión para la clasificación de patrones con clases desconocidas. A pesar de que existe una relación entre las etapas SC y DC con las capas de la red neuronal de función de base radial (RBFNN, por sus siglas en inglés), sólo algunos trabajos han abordado ambas etapas en la construcción de RBFNNs. Esta tesis propone una metodología basada en un enfoque evolutivo para la construcción automática de la arquitectura de una RBFNN que simultáneamente aborda las tareas de SC y DC. Primeramente, el algoritmo FSDE construye la capa de entrada de la red, mediante la determinación de un subconjunto reducido de características discriminantes. Después, el algoritmo RBFNNDE construye la capa oculta de la red, determinando el número adecuado de neuronas ocultas y sus parámetros de configuración. Los resultados de la experimentación realizada con dos conjuntos de datos reales para la clasificación de lesiones de mama mostraron que la metodología propuesta obtuvo un alto desempeño de clasificación con un subconjunto reducido de características.