Redes neuronales evolutivas multiobjetivo para clasificación nominal y ordinalaplicaciones

Resumen

Este trabajo de Tesis aborda la obtención de clasificadores nominales mediante diferentes modelos de redes neuronales. Para ello, se analizan diferentes métricas asociadas a distintas facetas contrapuestas de la ¿bondad¿ de un clasificador multiclase. Esta contraposición nos hace obtener modelos que consideran diferentes características del problema. La forma clásica de trabajar con los problemas con dos o más objetivos en conflicto ha sido la agregación o ponderación de estos objetivos, de manera que los problemas multiobjetivo eran transformados en problemas con un único objetivo. Una vez realizada esta transformación, los problemas podían ser resueltos mediante cualquier algoritmo, obteniendo finalmente una solución que satisface los objetivos del problema. Desde la aparición de los algoritmos evolutivos (algoritmos basados en la teoría de la evolución de las especies) y del concepto de óptimo de Pareto, los problemas con múltiples objetivos han sido resueltos por lo que se conoce como algoritmos evolutivos multiobjetivo. Estos algoritmos entrenan simultáneamente un conjunto de modelos durante un número de iteraciones, ordenando los modelos obtenidos tras cada iteración según la relación de dominancia existentes entre ellos. Cuando se habla de dominancia de Pareto, se entiende que un modelo domina a otro si es mejor o igual en todos los objetivos y estrictamente mejor en uno de ellos. Por tanto, la salida obtenida tras finalizar la ejecución del algoritmo multiobjetivo consistirá en un conjunto de modelos que no presentan ninguna relación de dominancia entre ellos, conocidos como primer frente de Pareto. Cualquiera de estos modelos es una solución óptima al problema, aunque no existe forma de determinar cuál de ellas es la mejor. Para ayudar a la hora de elegir uno de estos modelos, en la presente Tesis se estudian diferentes técnicas de selección de individuos, como la selección de los modelos extremos del frente óptimo de Pareto o la elección del modelo que minimice la distancia euclídea entre su posición en el frente y la solución ideal del problema. Este estudio concluye que la elección de una de estas técnicas depende de las características del problema analizado. Por otra parte, se ha desarrollado sensibles variaciones de algoritmo evolutivo multiobjetivo PDE desarrollado por H. Abbass. Estas variaciones se centran tanto en evitar una convergencia prematura como en la aplicación del algoritmo de búsqueda local, con el objetivo de mejorar el rendimiento sin aumentar el coste computacional. Junto a estos algoritmos, en la experimentación se han empleado el clásico algoritmo NSGAII y un algoritmo memético desarrollado a partir de este, MPENSGAII. Una de las razones fundamentales de la construcción de estos clasificadores multiclase ha sido poder aplicarlos a diferentes problemas reales, dando sentido a este documento de Tesis. Así, los algoritmos evolutivos multiobjetivo han sido aplicados en: - Medicina: Selección del paciente más idóneo en lista de espera que deberá recibir un órgano disponible en los trasplantes hepáticos. Para ello, se ha dispuesto de una base de datos formada por 1003 pares donante/receptor con la que se han obtenido dos modelos de clasificación basados en la supervivencia del injerto un año después de la operación. Las salidas de estos dos modelos se han utilizando como entrada de un sencillo sistema basado en reglas que permite asignar el órgano del donante al receptor situado en lista de espera con una mayor probabilidad de supervivencia. - Teledetección remota: Determinación, mediante el análisis de imágenes aéreas, del uso del terreno en los campos de olivos, para ayudar a las administraciones andaluza y europea a identificar qué fincas desarrollan una agricultura de conservación (estilo de agricultura que reduce la erosión del terreno existente entre filas de olivos mediante la utilización de cubiertas vegetales vivas o inertes). - Microbiología predictiva: En respuesta a la demanda de los expertos en alimentación de contar con productos alimenticios más saludables, se ha analizado la capacidad de crecimiento de determinados microorganismos a partir de ciertos factores medioambientales de envasado y/o conservación. Una segunda propuesta de este documento de Tesis está asociada con la obtención de modelos para la resolución de problemas de clasificación ordinal. Previamente a la obtención de estos modelos, se ha realizado un concienzudo estudio de aquellas métricas ordinales que pueden guiar el proceso evolutivo de un algoritmo multiobjetivo. Esta propuesta surge ante el creciente interés existente por aquellos problemas de clasificación que presentan un cierto orden en sus etiquetas de clase y debido a la falta de trabajos en la literatura del área de Machine Learning que resuelvan un problema ordinal mediante un algoritmo multiobjetivo.