{"id":33982,"date":"1998-01-01T00:00:00","date_gmt":"1998-01-01T00:00:00","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/aprendizaje-de-reglas-difusas-usando-algoritmos-geneticos\/"},"modified":"1998-01-01T00:00:00","modified_gmt":"1998-01-01T00:00:00","slug":"aprendizaje-de-reglas-difusas-usando-algoritmos-geneticos","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/matematicas\/aprendizaje-de-reglas-difusas-usando-algoritmos-geneticos\/","title":{"rendered":"Aprendizaje de reglas difusas usando algoritmos geneticos."},"content":{"rendered":"<h2>Tesis doctoral de <strong>  Perez Rodriguez F. G. Raul <\/strong><\/h2>\n<p>En esta memoria se presenta el desarrollo en varias etapas de un algoritmo inductivo de aprendizaje basado en la metodolog\u00eda iterativa para la obtenci\u00f3n de reglas difusas, llamado slave. Slave usa algoritmos gen\u00e9ticos para determinar en cada iteraci\u00f3n del proceso de aprendizaje la mejor regla que representa cada clase teniendo en cuenta la informaci\u00f3n existente en el conjunto de ejemplos. Una caracteristica fundamental de slave es que se ha concebido para abordar problemas de clasificaci\u00f3n tanto en situaciones en las que la variable de clasificaci\u00f3n toma valores sobre un referencial crisp, como para aquellas en la que la variable de clasificaci\u00f3n toma valores sobre un referencial continuo. Para este segundo tipo de problemas, la aplicaci\u00f3n de slave es directa, sin m\u00e1s que discretizar el referencial de la variable de clasificaci\u00f3n usando conjuntos difusos.  una de las caracter\u00edsticas fundamentales de slave es que obtiene la relevancia parcial de las variables de entrada, es decir, durante el proceso de aprendizaje el algoritmo selecciona las caracter\u00edsticas relevantes para construir la descripci\u00f3n de la regla, no considerando para la descripci\u00f3n de la misma, las variables irrelevantes.  en el cap\u00edtulo ii se presenta la metodolog\u00eda b\u00e1sica del algoritmo de aprendizaje.  en el cap\u00edtulo iii se exponen dos v\u00edas para mejorar el comportamiento del algoritmo b\u00e1sico mediante la inclusi\u00f3n de mecanismos que permiten la colaboraci\u00f3n en unos casos, y la competici\u00f3n en otros, de las reglas aprendidas. La primera de las v\u00edas consiste en la inclusi\u00f3n de un algoritmo de refinamiento de teor\u00edas como fase final del algoritmo de aprendizaje. Como segunda v\u00eda, se contempla la posibilidad de que sea el propio algoritmo el que incorpore la colaboraci\u00f3n\/competici\u00f3n entre las reglas durante el proceso de aprendizaje. Con tal fin, se propone un nuevo mecanismo de evaluaci\u00f3n de reglas, que contempla el conocimiento previamen<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>Aprendizaje de reglas difusas usando algoritmos geneticos.<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 Aprendizaje de reglas difusas usando algoritmos geneticos. <\/li>\n<li><strong>Autor:<\/strong>\u00a0  Perez Rodriguez F. G. Raul <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Granada<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 01\/01\/1998<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n<h3>Direcci\u00f3n y tribunal<\/h3>\n<ul>\n<li><strong>Director de la tesis<\/strong>\n<ul>\n<li>Antonio Gonzalez Mu\u00f1oz<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: Mar\u00eda  Amparo Vila Miranda <\/li>\n<li>C\u00e9sar Herv\u00e1s Mart\u00ednez (vocal)<\/li>\n<li>Mar\u00eda Garcia Alegre (vocal)<\/li>\n<li>Luis Magdalena Layos (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Perez Rodriguez F. G. Raul En esta memoria se presenta el desarrollo en varias etapas de un [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[1890,2528,126],"tags":[57523,20815,16381,3600,92169,92168],"class_list":["post-33982","post","type-post","status-publish","format-standard","hentry","category-ciencia-de-los-ordenadores","category-inteligencia-artificial","category-matematicas","tag-antonio-gonzalez-munoz","tag-cesar-hervas-Martinez","tag-luis-magdalena-layos","tag-maria-amparo-vila-miranda","tag-maria-garcia-alegre","tag-perez-rodriguez-f-g-raul"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/33982","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/comments?post=33982"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/33982\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=33982"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=33982"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=33982"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}