Interferencia catastrófica en redes neuronalessoluciones y relación con otros problemas del conexionismo
- Ruiz de Angulo García, Vicente
- Carme Torras Genís Director/a
Universitat de defensa: Universidad del País Vasco - Euskal Herriko Unibertsitatea
Any de defensa: 1996
- Francisco Javier Torrealdea Folgado President/a
- Manuel Graña Romay Secretari/ària
- Alberto Prieto Espinosa Vocal
- Vicente López Martínez Vocal
- Joan Pérez Vicente Conrad Vocal
Tipus: Tesi
Resum
ESTA TESIS ABORDA EL PROBLEMA DE LA INTERFERENCIA CATASTROFICA BASANDOSE EN UN ANALISIS FORMAL RIGUROSO,LOS ALGORITMOS PROPUESTOS SON APLICABLES TANTO A ARQUITECTURAS FEED FORWAR COMO RBF. SE HAN PROPUESTO MEDIDAS DE EFICIENCIA PARA LA EVALUACION DEL RENDIMIENTO DE LOS ALGORITMOS. SE PROPONEN ALGORITMOS DE APRENDIZAJE DE MINIMA DEGRADACION (LMD) Y SU APLICACION EN LA EVITACION DE LA INTERFERENCIA CATASTROFICA PRODUCIDA POR LA APARICION DE NUEVOS PATRONES. FINALMENTE SE APLICA EL PRINCIPIO DE DESCRIPCION DE MINIMA LONGITUD (MDL) A LOS ALGORITMOS DE APRENDIZAJE DE MINIMA DEGRADACION.