1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Baja California
4. Instituto Tecnológico de Tijuana
5. TESIS DE MAESTRÍA
6. MAESTRÍA EN CIENCIAS DE LA INGENIERÍA

Title:	ANÁLISIS DE APRENDIZAJE TRANSFERIDO EN UN SISTEMA DE PROGRAMACIÓN GENÉTICA
Authors:	NATION MORALES, JOEL LEE%951303
metadata.dc.subject.other:	Clasificación, Programación genética, Aprendizaje Transferido, DeepInsight, Inducción constructiva
Issue Date:	2021-12-31
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Instituto Tecnológico de Tijuana
Description:	es el proceso mediante el cual se utiliza el conocimiento obtenido por un modelo generado mediante aprendizaje m´aquina en un problema (problema donador) para mejorar o simplificar el proceso de aprendizaje en un segundo problema (problema receptor). Si bien TL ha logrado resultados prometedores en Deep Learning, apenas se ha estudiado en algoritmos evolutivos y programaci´on gen´etica (GP, por sus siglas en ingl´es de Genetic Programming). Una dificultad que limita la utilizaci´on de TL en GP o alg´un otro m´etodo evolutivo es la dificultad para predecir cuando tendr´a ´exito, esto sigue siendo una pregunta abierta. Este trabajo presenta un primer intento de determinar cu´ando dos problemas podr´ıan ser compatibles para que TL tenga ´exito entre ellos. Esto se hace analizando la estructura del espacio de caracter´ısticas de cada problema, extra´ıdo por el m´etodo DeepInsight. Se utilizan resultados previos en TL para tareas de clasificaci´on con GP, de modo que cada posible par de problemas se categorizados en uno de dos grupos. El primer grupo son problemas compatibles con TL que incluye todos los pares de problemas en los que TL tuvo mucho ´exito, y el segundo son los problemas de TL no compatibles en los que TL tuvo un desempe˜no inferior al de los m´etodos de referencia. Los resultados muestran que se pudieron rechazar las hip´otesis propuestas con un rango de confianza de 94;50% para H01 y 96;27% para H02, esto significa que, es posible distinguir entre diferentes grupos de pares de problemas alineando sus respectivos espacios de caracter´ısticas representativos y calcular una distancia entre ellas.
metadata.dc.type:	info:eu-repo/semantics/masterThesis
Appears in Collections:	MAESTRÍA EN CIENCIAS DE LA INGENIERÍA

This item is protected by original copyright View License

This item is licensed under a Creative Commons License