Tesis Doctorales UPM: Consulta online

Título: Extracción de conocimiento simbólico en redes de neuronas artificiales

Materia: MATEMATICAS. Teseo;CIENCIAS DE LA COMPUTACION. Teseo;INTELIGENCIA ARTIFICIAL. Teseo

Resumen: Se presenta un modelo para la extracción de conocimiento simbólico partir de los pesos en una red neuronal artificial. El modelo se puede dividir en dos apartados principales. El primero aborda la relación de conocimiento almacenado en los pesos, el nivel de aprendizaje de la red y el nuevo algoritmo implementado para la extracción de reglas a partir de los pesos. La segunda parte plantea un método para la globalización de las salidas. Se parte de realizada la primera fase de extracción de conocimiento y obtenidas las reglas, la necesidad de definir un sistema de control que decida cual es la regla a activar ante una nueva entrada. Esta segunda parte contiene el procedimiento para el diseño de un sistema de predicción o sistema de control en el que entran las redes neuronales, la lógica borrosa, los sistemas de control y los sistemas expertos. Para la puesta en práctica del método, una primera aproximación ha sido el estudio de los pesos en el aprendizaje de reglas lógicas. Como ejemplo de aplicación de todo el modelo se realiza una aplicación práctica sobre la predicción de la demanda de carga eléctrica. Por último la comparación del modelo con otros métodos de predicción estadísticos