Desarrollo software de técnicas para el diseño automático de redes neuronales artificiales con bajo coste computacional

Abstract

Las técnicas de inteligencia computacional, entre las que destacan las Redes Neuronales Artificiales (RNAs), han sido utilizadas con éxito en multitud de contextos y problemas procedentes de la ingeniería de control, la economía, la medicina, etc. Sin embargo, generalmente, las RNAs presentan diversos inconvenientes durante el proceso de optimización de los hiper-parámetros (i.e., pesos y número de neuronas), como son el elevado tiempo computacional requerido y la convergencia a soluciones sub-optimas (mínimos locales) para un determinado problema al usar técnicas de optimización basadas en gradiente. Recientemente, el algoritmo de entrenamiento conocido como Extreme Learning Machine ha permitido solventar estos claros inconvenientes que presentan las técnicas tradicionales de entrenamiento de RNA. En este PFC se desarrollan nuevas técnicas computacionales para el diseño y la combinación automática de RNAs utilizando el novedoso y eficiente algoritmo ELM. Implementando un conjunto de funciones y herramientas software, en el entorno de programación MATLAB, que permitan diseñar automáticamente RNAs con altas prestaciones en términos predictivos y, al mismo tiempo, con bajo coste computacional. Hay que resaltar que este PFC forma parte de un trabajo de investigación de un mayor alcance, donde se están desarrollando nuevos y eficientes sistemas y algoritmos de inteligencia computacional, que está siendo desarrollado fundamentalmente en el Centro Universitario de la Defensa (CUD) de San Javier.