Utilize este identificador para referenciar este registo: https://rinacional.tecnm.mx/jspui/handle/TecNM/3001
Título: ALGORITMO GENÉTICO DE DESCUBRIMIENTO DE CONOCIMIENTO BASADO EN PREDICADOS DE LA LÓGICA DIFUSA ARQUIMEDIANA COMPENSATORIA
Autor: Morales de la Cruz, Citlalli
Data: 2021-05-01
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Instituto Tecnológico de Ciudad Madero
Descrição: La representación y generación de conocimiento son un problema que tiene como objetivo la recolección de grandes vólumnes de datos para encontrar patrones y poder crear modelos de predicción, que en su paso se encuentra con ciertas limitaciones ya sea por la expresividad de la información, la manera en como se representan y la interpretabilidad. Descrito lo anterior, existen métodos que se apoyan en técnicas basadas en inteligencia artifi cial tales como la lógica difusa, las redes neuronales y los algoritmos bioinspirados, entre otros, esto con el objetivo de obtener información valiosa y crear modelos para la toma de decisiones o la comprensión de fenómenos que suceden a nuestro alrededor. En esta tesis se presenta una modificación de dos algoritmos genéticos desarrollados en (Llorente, 2019) que tienen como objetivo la generación de conocimiento a través de árboles de decisión combinando la programación genética, también se logra una integración de ellos con una nueva metología basada en la Lógica Difusa Arquimediana Compensatoria, la implementación de un nuevo operador genético de mutación y el concepto de exhaustivad para obtener mayor diversidad en la búsqueda de soluciones.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece nas colecções:Maestría en Ciencias de la Computación

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
G13071091_donacion_tesis_bib.pdf2.59 MBAdobe PDFVer/Abrir
G13071091_donacion_tesis_licencia.pdf
  Until 2050-01-01
117.29 kBAdobe PDFVer/Abrir Request a copy


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons