{"id":64710,"date":"2018-03-09T22:52:48","date_gmt":"2018-03-09T22:52:48","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/redes-de-procesadores-evolutivos-autoaprendizaje-de-filtros-en-las-conexiones\/"},"modified":"2018-03-09T22:52:48","modified_gmt":"2018-03-09T22:52:48","slug":"redes-de-procesadores-evolutivos-autoaprendizaje-de-filtros-en-las-conexiones","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/ciencias-tecnologicas\/redes-de-procesadores-evolutivos-autoaprendizaje-de-filtros-en-las-conexiones\/","title":{"rendered":"Redes de procesadores evolutivos: autoaprendizaje de filtros en las conexiones"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Nuria G\u00f3mez Blas <\/strong><\/h2>\n<p>Esta tesis aborda la reciente \u00e1rea de la computaci\u00f3n natural -modelos bioinspirados-, concretamente las redes de procesadores evolutivos introducidas por v\u00edctor mitrana y cuya base son los sistemas p cuyo precursor fue georghe paun. En estos modelos existen una serie de procesadores inerconectados en un gr\u00e1fo subyacente no dirigido, dichos procesadores poseen un multiconjunto de objetos (cadenas) y una serie de reglas, denominadas de evoluci\u00f3n, que transforman los objetos presentes en los procesadores. Los objetos se pueden enviar\/recibir a trav\u00e9s de las conexiones siempre y cuando cumplan las restricciones impuestas por unos filtros de entrada y salida que disponen los procesadores. Este modelo simb\u00f3lico, no determinista (el funcionamiento de los procesadores no est\u00e1 sincronizado) y masivamente paralelo (todas las reglas que se pueden aplicar se aplican a la vez) posee propiedades de resoluci\u00f3n de problemas np-completos en tiempo lineal y recursos lineales. Existe un gran n\u00famero de variantes como las redes h\u00edbridas, procesadores con reglas de splicing, etc. Que proporcionan una capacidad de c\u00f3mputo superior a las m\u00e1quinas de turing. la principal aportaci\u00f3n realizada en el campo de las redes de procesadores evolutivos es: la incorporaci\u00f3n de un modelo de aprendizaje en los filtros ubicados en las conexiones. Se ha definido un algoritmo de aprendizaje simb\u00f3lico basado en los mapas autoorganizados ya que toda la informaci\u00f3n que se maneja son cadenas de s\u00edmbolos. Y se han propuesto tres modelos de aprendizaje que se pueden incorporar en el funcionamiento de las redes de procesadores evolutivos. El primero se basa en el aprendizaje de los filtros de manera que las cadenas que los atraviesan (o no) modifican dichos filtros. El segundo se basa en que las cadenas que se comunican a trav\u00e9s de las conexiones se ven modificadas de acuerdo a un aprendizaje marcado por los filtros, pero \u00e9stos no son modificados. Tal aprendizaje solventa la secuencialidad del aprendizaje sobre los filtros y permite la misma paralelizaci\u00f3n que disponen las redes de procesadores evolutivos. Y por \u00faltimo una combinaci\u00f3n de ambos. todo este trabajo est\u00e1 basado en una serie de aportaciones previas realizadas por el autor junto con juan castellanos, luis f. Mingo y miguel a. D\u00edaz que modifican la arquitectura de las redes de procesadores evolutivos para poder permitir la incorporaci\u00f3n del aprendizaje, caben destacar: la modelizaci\u00f3n\/simulaci\u00f3n de redes masivamente paralelas, esto es, hasta ahora exist\u00eda una secuencializaci\u00f3n entre la evoluci\u00f3n de los procesadores y la comunicaci\u00f3n de manera que primero se evolucionaba y luego se comunicaban objetos. Con dicho modelo masivamente paralelo dicha secuencializaci\u00f3n desaparece y la evoluci\u00f3n y comunicaci\u00f3n trabajan en paralelo. Dicho modelo de redes de procesadores evolutivos masivamente paralelas es un superconjunto de las redes de procesadores evolutivos y se muestra el resultado de la resoluci\u00f3n del problema de los 3 colores. la eliminaci\u00f3n de los filtros en los procesadores quedando estos como elementos de evoluci\u00f3n y ubicando los filtros en las conexiones. Tambi\u00e9n se ha demostrado una equiValencia entre una red de procesadores evolutivos \u00abcl\u00e1sica\u00bb y una red de procesadores evolutivos con filtros en las conexiones. Como resultado m\u00e1s importante destaca que las redes de procesadores evolutivos con aprendizaje son un superconjunto de las redes de procesadores evolutivos ya que si se define una medida de las distancia adecuada se obtiene una equiValencia y por tanto, pueden resolver problemas np-completos en tiempo lineal. todav\u00eda quedan abiertos muchos interrogantes acerca de la potencia computacional al incorporar aprendizaje ya que es una tarea bastante complicada y dependiente de la medida de distancia elegida.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>Redes de procesadores evolutivos: autoaprendizaje de filtros en las conexiones<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 Redes de procesadores evolutivos: autoaprendizaje de filtros en las conexiones <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Nuria G\u00f3mez Blas <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Polit\u00e9cnica de Madrid<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 26\/05\/2008<\/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>Luis Fernando De Mingo L\u00f3pez<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: rafael Gonzalo molina <\/li>\n<li>v\u00edctor Mitrana (vocal)<\/li>\n<li>Fernando Arroyo montoro (vocal)<\/li>\n<li>Jos\u00e9 Mar\u00eda Sempere luna (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Nuria G\u00f3mez Blas Esta tesis aborda la reciente \u00e1rea de la computaci\u00f3n natural -modelos bioinspirados-, concretamente las [&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":[332,16008],"tags":[142773,61241,142772,142771,68121,55580],"class_list":["post-64710","post","type-post","status-publish","format-standard","hentry","category-ciencias-tecnologicas","category-politecnica-de-madrid","tag-fernando-arroyo-montoro","tag-jose-maria-sempere-luna","tag-luis-fernando-de-mingo-lopez","tag-nuria-gomez-blas","tag-rafael-gonzalo-molina","tag-victor-mitrana"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/64710","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=64710"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/64710\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=64710"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=64710"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=64710"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}