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

  1. Ruiz de Angulo García, Vicente
Dirigée par:
  1. Carme Torras Genís Directeur/trice

Université de défendre: Universidad del País Vasco - Euskal Herriko Unibertsitatea

Année de défendre: 1996

Jury:
  1. Francisco Javier Torrealdea Folgado President
  2. Manuel Graña Romay Secrétaire
  3. Alberto Prieto Espinosa Rapporteur
  4. Vicente López Martínez Rapporteur
  5. Joan Pérez Vicente Conrad Rapporteur

Type: Thèses

Teseo: 55468 DIALNET

Résumé

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.