Tesis "Entrenamiento Evolutivo de una Red de Función de Base Radial"
Alumno: Samuel Omar Tovías Alanís
Asesor: Dr. Wilfrido Gómez Flores
Sinodales: Dr. Iván López Arévalo, Dr. César Torres Huitzil
Resumen:
En el entrenamiento de una red de función de base radial (RBFN, por sus siglas en Inglés), la selección de características y el diseño del clasificador son dos tareas que comúnmente se tratan en procesos separados. La primera está relacionada con el número de nodos de entrada y tiene como objetivo seleccionar las características que provean la información más relevante para ayudar en la tarea de clasificación.
Por otra parte, el diseño del clasificador se asocia con la capa oculta y se encarga de obtener los parámetros de las funciones de base radial (RBF, por sus siglas en Inglés) que maximicen el desempeño del clasificador. En esta tesis se propone un algoritmo de entrenamiento evolutivo para obtener una arquitectura de RBFN considerando simultáneamente a los problemas de selección de características y diseño del clasificador utilizando el algoritmo de evolución diferencial (DE, por sus siglas en Inglés). El enfoque propuesto fue comparado con un algoritmo de entrenamiento exhaustivo, el cual genera todas las posibles arquitecturas de RBFN con el objetivo de encontrar la mejor configuración de arquitectura de red. En los experimentos se utilizaron 10 conjuntos de datos del mundo real empleados en tareas de clasificación. Los resultados indican que el enfoque propuesto es competitivo y en algunos casos mejora las soluciones del algoritmo de entrenamiento exhaustivo en términos de desempeño de clasificación.