Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/14314| Title: | Gen Lab M5GP: Laboratorio en Linea Para Aprendizaje Automatico Utilizando M5GP |
| Authors: | CARDENAS FLORIDO, LUIS ARMANDO |
| metadata.dc.subject.other: | Gen Lab M5GP |
| Issue Date: | 2026-08-24 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Instituto Tecnológico de Ensenada |
| Description: | a) Introducción: contiene una descripción general del área de oportunidad o problemática que se abordó con el proyecto de investigación. En la ciencia, la industria y los negocios se han generado y puesto a disposición datos a gran velocidad, este cambio, dentro del contexto de la ciencia de datos y la inteligencia artificial, se requiere de modelos de aprendizaje automático que no solo sean precisos en sus resultados, sino que también puedan usarse de manera eficiente, mantengan un buen comportamiento cuando crece el tamaño de los problemas y permitan comprender cómo se obtienen sus resultados. En este sentido, la regresión simbólica y la programación genética son una alternativa a los modelos de tipo caja negra. Su mayor ventaja es que pueden generar expresiones matemáticas explícitas, que sirven para estudiar el fenómeno que se está modelando y el conocimiento que se puede obtener a partir de los datos (Cárdenas F|orido et al., 2024; Kune et al., 2016; Rudin, 2019). El problema es que los enfoques tradicionales de programación genética aún tienen limitaciones importantes. Normalmente necesitan mucho esfuerzo de cómputo y se tornan más difíciles de aplicar cuando el volumen de los datos crece. Muchas implementaciones tampoco aprovechan plenamente las posibilidades del cómputo paralelo y de las GPU. Los mecanismos de búsqueda evolutiva también pueden responder de forma limitada a los cambios que ocurren durante el proceso. Estos problemas dificultan su aplicación a los problemas actuales de ciencia de datos y aprendizaje automático, donde el tiempo de entrenamiento, la estabilidad numérica y la generalización son importantes (Cárdenas Florido et al., 2024; Langdon, 2011; Trujillo et al., 2022). Como propuesta nace la idea de] desarrollo del proyecto GenLab MSGP: Laboratorio en Línea para el Aprendizaje Automático con MSGP. El proyecto t!ene como objetivo hacer evolucionar y reforzar el algoritmo MSGP mediante mejoras algorítmicas, optimizaciones de cómputo y nuevas funcionalidades. A su vez, plantea la creación de una plataforma en internet para que estudiantes, investigadores y profesionales utilicen el algoritmo, configuren experimentos y analicen sus resultados. El trabajo está orientado a la eficiencia del proceso evolutivo, la adaptabilidad de los operadores genéticos, la estabilidad numérica de los modelos simbólicos y la incorporación de tareas de regresión y clasificación (Cárdenas Florido et al., 2024). El acceso a esta tecnología también forma parte del problema que atiende el proyecto. Para ejecutar MSGP se requiere contar con al menos de una GPU, además de bibliotecas y configuraciones de software que no siempre están disponibles en instituciones educativas o grupos de investigación con recursos limitados. Con el desarrollo de GenLab MSGP, se propone concentrar estos elementos en un laboratorio en línea, de modo que la comunidad académica pueda emplear el algoritmo en actividades de investigación, docencia y formación sin tener que instalar o administrar directamente toda la infraestructura. Con esta propuesta se busca disminuir las barreras técnicas y económicas que limitan su uso. También se pretende facilitar la repetición de los experimentos, la revisión de sus configuraciones y la comparación de los resultados obtenidos (Letowski et al., 2020; May et al., 2023; Pineau et al., 2021). GenLab MSGP no se limita a mejorar el funcionamiento metodológico y computacional del algoritmo, el proyecto también aborda cuestiones de acceso tecnológico, transferencia de conocimiento y formación de capital humano. La plataforma reúne, en un mismo entorno, el desarrollo aplicado del algoritmo, la realización controlada de experimentos y su uso académico entro del campo del aprendizaje automático basado en programación genética. |
| metadata.dc.type: | info:eu-repo/semantics/workingPaper |
| Appears in Collections: | LIBROS |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| REPORTE FINAL INVESTIGACION LUIS ARMANDO CARDENAS FLORIDO (2).pdf Until 9999-06-05 | 1.45 MB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
