Construcción y entrenamiento de redes neuronales multicapa mediante el uso de algoritmos genéticos celulares

Abstract

En el presente trabajo se presenta una técnica para la construcción y entrenamiento de topologías óptimas para redes neuronales multicapa haciendo uso de algoritmos genéticos celulares con codificación jerárquica. Para el desarrollo de la misma se diseñó el cromosoma con codificación jerárquica. La construcción y entrenamiento de las redes se formuló como un problema de optimización multiobjetivo, que incorpora criterios de optimización a partir de las medidas estadísticas recomendadas por la Asociación para el Desarrollo de la Instrumentación Médica (AAMI, en inglés). La construcción y entrenamiento de las redes neuronales multicapa se realiza usando un algoritmo genético celular, como la evolución de un autómata celular estocástico. Para el proceso de evaluación se usaron las bases de casos para cáncer de mamas de la Universidad de Wisconsin. Los resultados obtenidos son presentados, observándose superioridad en cuanto a desempeño a los reportados en la literatura sobre las bases de casos referidas.

In this work, it is presented a technique for the construction and training of optimal topologies for Multilayer Perceptron Neural Networks, using Cellular Genetic Algorithms with Hierarchical Coding. The construction and training of the Neural Networks was formulated as a multiobjetive optimization problem using the statistical measures recommended by the Association for Advancement of Medical Instrumentation (AAMI). The construction and training of the Multilayer Perceptron Neural Networks uses a Cellular Genetic Algorithm, as the evolution of a stochastic cellular automaton. The evaluation process was carried out with two well-known classification problems in breast cancer diagnosis, by using databases provided by the University of Wisconsin. The obtained results are presented, being observed superiority on some reported in the literature using the referred databases.