Interferencia catastrófica en redes neuronalessoluciones y relación con otros problemas del conexionismo

  1. Ruiz de Angulo García, Vicente
Supervised by:
  1. Carme Torras Genís Director

Defence university: Universidad del País Vasco - Euskal Herriko Unibertsitatea

Year of defence: 1996

Committee:
  1. Francisco Javier Torrealdea Folgado Chair
  2. Manuel Graña Romay Secretary
  3. Alberto Prieto Espinosa Committee member
  4. Vicente López Martínez Committee member
  5. Joan Pérez Vicente Conrad Committee member

Type: Thesis

Teseo: 55468 DIALNET

Abstract

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.