Tesis:
Modificaciones al mecanismo de aprendizaje de modelos neuronales no supervisados basados en la teoría de resonancia adaptativa. Aplicación al reconocimiento de patrones complejos en entornos de producción
- Autor: RODRIGUEZ GALAN, Roberto
- Título: Modificaciones al mecanismo de aprendizaje de modelos neuronales no supervisados basados en la teoría de resonancia adaptativa. Aplicación al reconocimiento de patrones complejos en entornos de producción
- Fecha: 1996
- Materia: MATEMÁTICAS. Teseo;CIENCIAS DE LA COMPUTACIÓN. Teseo;INTELIGENCIA ARTIFICIAL. Teseo
- Escuela: E.T.S. DE INGENIEROS DE TELECOMUNICACION
- Departamentos: MATEMATICA APLICADA A LAS TECNOLOGIAS DE LA INFORMACION
- Acceso electrónico:
- Director/a 1º: ARRIAGA GOMEZ, Fernando de
- Director/a 2º: GARCIA CRESPO, Angel
- Resumen: Para el reconocimiento de patrones se dispone de diversas técnicas: los planteamientos puramente estadísticos DEV82, el estudio de las características inherentes a cada patron mediante técnicas de tratamiento de imágenes PEA91, las redes neuronales en todas sus vertientes, desde los modelos supervisados MCCC88 hasta los no-supervisados GRO82c. Una de las aproximaciones de mayor interés es la proporcionada por los modelos neuronales no-supervisados. La aplicación de los modelos neuronales, en y los basados en la teoría de resonancia adaptativa en particular, a entornos reales conlleva una enorme problemática, en la mayoría de las ocasiones motivada por tratarse de teorías de ámbito global no aplicables a situaciones concretas GRO82a y GRO82b. Por consiguiente, su implementación en entornos reales es excesivamente complejo; para lograr que su implementación en aplicaciones de producción se plantean modificaciones al modelo general que no impliquen pérdida de sus características principales, es decir, la categorización de patrones genéricos en entornos cambiantes sin limitaciones ni de alcance ni de tipo ni de tamaño. En consecuencia, se pretende conocer las limitaciones inherentes a los modelos neuronales no supervisados basados en la teoría de resonancia adaptativa, proponer modificaciones al mecanismo de aprendizaje de los modelos estudiados con objeto de optimizar su aplicación a entornos industriales concretos y mostrar distintos tipos de aplicaciones con implantación inmediata en entornos reales. Con objeto de implantar las modificaciones propuestas, se han desarrollado demostradores de ART para los siguientes tipos de patrones de entrada: bidimensionales binarios, unidimensionales continuos estáticos (lectura de sustancias mediante la técnica de infrarrojo cercano) y bidimensionales continuos estáticos. El siguiente paso natural es el tratamiento de patrones tridimensionales