Vous êtes sur la page 1sur 20

Aprendizaje automtico

Tipo de aprendizaje automtico

No
Supervisado
supervisado

Reforzado
Aprendizaje supervisado
Aprendizaje supervisado
En dependencia de la variable a predecir
Regresin (Prediccin de valores continuos)
Clasificacin (valores categricos no ordenados)
Aprendizaje reforzado
Aprendizaje no supervisado
Agrupamiento
Reduccin de dimensionalidad
Hoja de ruta para la construccin de sistemas
de aprendizaje automtico
Redes neuronales
Las redes de neuronas artificiales (denominadas habitualmente
como RNA o en ingls como: "ANN" ) son
un paradigma de aprendizaje y procesamiento automtico inspirado
en la forma en que funciona el sistema nervioso biolgico. Se trata de
un sistema de interconexin de neuronas que colaboran entre s para
producir un estmulo de salida. En inteligencia artificial es frecuente
referirse a ellas como redes de neuronas o redes neuronales.
Perceptrn multicapa
Red neuronal artificial perceptrn multicapa con n neuronas de
entrada, m neuronas en su capa oculta y una neurona de salida.
Algoritmo genticos
Introduccin

Provienen de la familia de modelo computacional basado


en la evolucin
Introducidos por Holland en 1975
Proveen una solucin potencial a un problema especfico
en una estructura tipo cromosoma y aplican operadores
de recombinacin para preservar la informacin crtica
Cualquier modelo basado en poblacin que usa seleccin
y recombinacin para generar nuevos elementos en el
espacio de bsqueda
Introduccin

Poblacin
Conjunto de soluciones potenciales, donde la
poblacin inicial puede ser elegida randmicamente
Cambia con el tiempo pero su tamao se mantiene
Individuo
Elemento de la poblacin
Cada individuo es representado por una cadena de
caracteres
Introduccin

Crossover
Dos nuevos individuos pueden ser obtenidos de dos
padres en el mating pool, recombinando a ambos
padres
Mutacin
Individuos en el mating pool tambin pueden cambiar
a travs de mutacin randmica
Resultado -> Un nueva generacin
El proceso se repite y converge a una poblacin con
individuos muy similares entre si
Algoritmo gentico Cannico

Los individuos son cadenas binarias de largo fijo


codificadas segn el problema a resolver
En general las poblaciones iniciales se eligen de forma
randmica
Luego de creada la poblacin inicial se le aplica a cada
individuo la funcin de evaluacin
En base al resultado de dicha funcin se calcula el fitness
Fitness = fi/f
Algoritmo gentico Cannico

Una vez calculado el fitness de cada individuo, se


pasa a la seleccin para generar la generacin
intermedia
Los individuos con mayor nivel de fitness son
copiados en la generacin intermedia
Stochastic Sampling with Replacement
Remainder Stochastic Sampling
Algoritmo gentico Cannico

Crossover
Se eligen pares de individuos randmicamente que
sern recombinados con una probabilidad p
Se elige un punto aleatorio del individuo y se
intercambian sus partes
Mutacin
Es aplicada con una probabilidad muy baja a cada bit
Diferentes variantes
Generar un nuevo bit
Invertir un bit
Algoritmo

Repetir
para cada individuo i evaluar y calcular fitness f(i)
Crear poblacion de tamao N basado en los valores de fitness f(i)
para i=1 hasta (N/2)
quitar pares de individuos {j,k} de la poblacion
Crossover usando los individuos j y k
aplicar mutacin
Hasta condicin de parada
Condicin de parada: cantidad de generaciones,
convergencia, tiempo