Algoritmo para optimizar la topología en un Mapa Cognitivo Difuso

Vista sencilla de ítem
dc.contributor.advisorNápoles Ruiz, Gonzalo Ramón
dc.contributor.advisorGrau García, Isel del Carmen
dc.contributor.authorPérez García, Ricardo
dc.coverage.spatial1016432en_US
dc.date.accessioned2016-10-28T20:01:56Z
dc.date.available2016-10-28T20:01:56Z
dc.date.issued2014-07-06
dc.description.abstractLos Mapas Cognitivos Difusos (MCD) son una técnica de computación blanda que constituye una prometedora metodología de modelado, especialmente útil para modelar y simular sistemas dinámicos. De forma general éstos se pueden definir como grafos pesados dirigidos con retroalimentación, consistentes en nodos y de relaciones causales entre los nodos. Éstos fueron introducidos por Kosko y desde entonces han surgido numerosos algoritmos de aprendizaje supervisados y no supervisados, los cuales han estado principalmente enfocados en la estimación de la causalidad del sistema (matriz de pesos causales) usando datos históricos y/o la intervención de expertos, mostrando buenos resultados. Estos algoritmos de aprendizaje pueden ser catalogados en tres grupos: algoritmos hebbianos, algoritmos poblacionales y algoritmos híbridos. A pesar de su éxito, estos poseen ciertas limitantes. Es válido mencionar que hasta donde el autor tiene conocimiento no existen algoritmos de aprendizaje para MCD que permitan encontrar el subconjunto mínimo de nodos centrales que describa el sistema modelado de una forma eficiente. Con este objetivo proponemos un algoritmo de aprendizaje discreto basado en técnicas de Inteligencia Colectiva. El comportamiento de esta propuesta es estudiado a través de un caso de estudio real concerniente a la predicción de la resistencia a fármacos de proteínas del VIH.en_US
dc.description.abstractFuzzy Cognitive Maps (FCM) is a soft computing technique which constitute a promising modeling methodology, especially useful for modeling and simulating dynamic systems. In general, they can be defined as directed weight graphs with feedback, consisting in nodes and causal relations among the nodes. Since its introduction, many supervised and not supervised learning algorithms have been proposed, mainly focused in estimated the system causality (causal weight matrix) using historic data and/or expert’s intervention, showing good results. These learning algorithms can be classified in three groups: hebbian-based algorithms, population-based algorithms and hybrid approaches. Despite their success, they have some limitations. It is valid to mention that as far as the author knowledge, there not exist learning algorithms for FCM that allows finding the subset of central nodes describing the modeled system in an efficient way. With this goal in mind, we propose a discrete learning algorithm based in Swarm Intelligence techniques. The proposal's behavior is studied through a real study case related to the field of drug resistance prediction in HIV.en_US
dc.description.sponsorshipFacultad de Matemática, Física y Computación. Departamento de Ciencias de la Computaciónen_US
dc.description.statusnon-publisheden_US
dc.identifier.urihttps://dspace.uclv.edu.cu/handle/123456789/6711
dc.language.isoesen_US
dc.publisherUniversidad Central “Marta Abreu” de Las Villasen_US
dc.rightsEste documento es Propiedad Patrimonial de la Universidad Central “Marta Abreu” de Las Villas. Los usuarios podrán hacer uso de esta obra bajo la siguiente licencia: Creative Commons: Atribución-No Comercial-Compartir Igual 4.0 Licenseen_US
dc.subjectAlgoritmos de Aprendizajeen_US
dc.subjectInteligencia Colectivaen_US
dc.subjectMapas Cognitivos Difusosen_US
dc.subjectOptimizaciónen_US
dc.subjectTopologíaen_US
dc.subjectCaso de Estudioen_US
dc.subjectResistencia a los Fármacosen_US
dc.subjectProteínas del VIHen_US
dc.subjectBioinformáticaen_US
dc.titleAlgoritmo para optimizar la topología en un Mapa Cognitivo Difusoen_US
dc.typeThesisen_US
dc.type.thesisbacheloren_US

Archivos

Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Tesis de Ricardo (21-06-2014).pdf
Tamaño:
1.89 MB
Formato:
Adobe Portable Document Format
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
3.33 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Tesis de Pregrado - Licenciatura en Ciencias de la Computación