Modelos de programación genética gramatical para aprendizaje con múltiples instancias
- Zafra Gómez, Amelia
- Sebastián Ventura Soto Director/a
Universidad de defensa: Universidad de Granada
Fecha de defensa: 08 de octubre de 2009
- Francisco Herrera Triguero Presidente
- Enrique Herrera Viedma Secretario
- José Cristobal Riquelme Santos Vocal
- María José del Jesús Díaz Vocal
- César Hervás Martínez Vocal
Tipo: Tesis
Resumen
En este trabajo se pretende avanzar en la investigación en los métodos del paradigma de aprendizaje basado en múltiples instancias, Para ello nos centraremos en realizar una revisión de los métodos propuestos para MIL que nos determinen el estado actual en el que se encuentra el aprendizaje con múltiple instancias. A partir de esta revisión, presentar nuevas propuesta de MIL. En la actualidad, casi todos los paradigmas de aprendizaje utilizados en el aprendizaje automático han sido extendidos a este paradigma, en este trabajo se presenta la incorporación de los Algoritmos Evolutivos (EAs) a este marco de aprendizaje. Los AEs constituyen una buena alternativa en los diferentes paradigmas de aprendizaje donde han sido aplicados, hecho que queda demostrado con el gran número de publicaciones aparecidas desde sus orígenes y que continúan recientemente en la literatura. Resulta extraño que no hayan sido extendidos a este nuevo paradigma de aprendizaje, siendo métodos flexibles, eficaces que permiten generar conocimiento comprensible a través de la información de partida. Otro propósito que se desea lograr es realizar una comparativa y recapitulación de los datos más utilizados y ponerlos a disposición de la comunidad científica, a la vez que se realiza una unificación de las comparaciones realizadas. Existen estudios comparativos pero que consideran únicamente algunos métodos o algunos conjuntos de datos. Un estudio general sería necesario para poder avanzar en esta disciplina. Finalmente, también se pretende aplicar los modelos desarrollados al problema de recomendación de páginas web índice y realizar una adaptación de una nueva aplicación a este paradigma. Se trata de la predicción del rendimiento académico de un estudiante a partir del trabajo desarrollado en la plataforma educativa; este problema ha sido abordado siempre desde una perspectiva de aprendizaje supervisado tradicional y como veremos debido a sus características esta representación cuenta con muchos valores perdidos que dificulta la correcta clasificación, se pretende buscar una representación más flexible con múltiples instancias que solucione los problemas de la representación tradicional.