SEMINARIOS DE DOCTORADO 2005-2006
Doctorado en Ingeniería
Informática y de
Telecomunicación
Escuela Politécnica Superior, Universidad Autónoma de
Madrid
16 de febrero de 2006, 12:00
Salón de Grados, Escuela Politécnica Superior,
Universidad Autónoma de Madrid
Aprendizaje
Selectivo para el entrenamiento de Redes de Neuronas de Base Radial
José María Valls
Ferrán
Departamento de
Informática. Universidad Carlos III de Madrid
Resumen
En este seminario se pretende exponer un reciente trabajo de
investigación que une las técnicas de aprendizaje
retardado o 'lazy' con las de aprendizaje temprano o 'eager' utilizado
habitualmente para el entrenamiento de Redes de Neuronas de Base
Radial. Las RNBR son aproximadores universales, al igual que el
Perceptrón Multicapa (MLP), en el sentido de que son capaces de
aproximar, con el grado de precisión deseado, cualquier
función continua multivariable siempre que dispongan de un
número suficiente de unidades ocultas. Frente al MLP, las RBNN
se caracterizan por la rapidez de su entrenamiento y por poseer
características locales, ya que sus neuronas utilizan funciones
de activación cuyo valor decrece exponencialmente al alejarse el
patrón de entrada de sus centros. Su capacidad de
generalización puede verse afectada por el alto número de
unidades ocultas necesarias, especialmente si la dimensionalidad de los
datos es elevada. Por otra parte, los métodos de aprendizaje
retardado o 'lazy' pueden tener una buena capacidad de
generalización pues construyen las representaciones de la
función objetivo de forma local dependiendo del patrón de
test, pero su precisión en la generalización depende
significativamente del número de patrones que se seleccionen y
de la función de distancia utilizada. El objetivo principal de
este trabajo consiste en mejorar la capacidad de generalización
de las RNBR utilizando un enfoque basado en los métodos de
aprendizaje retardado. Para ello, se propone un método de
aprendizaje que selecciona automáticamente, del conjunto de
entrenamiento, los patrones más apropiados para aproximar cada
nuevo patrón de test, siguiendo una estrategia de
aprendizaje retardado, en el sentido de que construye aproximaciones
locales centradas alrededor del nuevo patrón de test..
-
José María
Valls Ferrán
Doctor en Ingeniería Informática por la Universidad
Carlos III de Madrid (2004). Licenciado en Informática por la
Universidad Pontificia de Salamanca (1996) e Ingeniero Técnico
Industrial por la Universidad de Valladolid (1976). En la actualidad
realiza labores docentes y de investigación en el Departamento
de Informática de la Universidad Carlos III de Madrid donde es
profesor titular interino por el área de Ciencia de la
Computación e Inteligencia Artificial. Sus áreas de
investigación se centran principalmente en los algoritmos de
aprendizaje local, las redes de neuronas y la computación
evolutiva. Es autor de varios trabajos publicados en conferencias y
revistas internacionales.