{"id":90571,"date":"2008-12-12T00:00:00","date_gmt":"2008-12-12T00:00:00","guid":{"rendered":"https:\/\/www.deberes.net\/tesis\/sin-categoria\/new-challenges-in-learning-classifier-systems-mining-rarities-and-evolving-fuzzy-models\/"},"modified":"2008-12-12T00:00:00","modified_gmt":"2008-12-12T00:00:00","slug":"new-challenges-in-learning-classifier-systems-mining-rarities-and-evolving-fuzzy-models","status":"publish","type":"post","link":"https:\/\/www.deberes.net\/tesis\/ciencias-tecnologicas\/new-challenges-in-learning-classifier-systems-mining-rarities-and-evolving-fuzzy-models\/","title":{"rendered":"New challenges in learning classifier systems: mining rarities and evolving fuzzy models"},"content":{"rendered":"<h2>Tesis doctoral de <strong> Albert Orriols Puig <\/strong><\/h2>\n<p>Durante la \u00faltima d\u00e9cada, los sistemas clasificadores (lcs) de estilo michigan # sistemas de aprendizaje autom\u00e1tico que combinan t\u00e9cnicas de repartici\u00f3n de cr\u00e9dito y algoritmos gen\u00e9ticos (ag) para evolucionar una poblaci\u00f3n de clasificadores online # han renacido. Juntamente con la formulaci\u00f3n de los sistemas de primera generaci\u00f3n, se han producido avances importantes en (1) el dise\u00f1o sistem\u00e1tico de nuevos lcs competentes, (2) su aplicaci\u00f3n en dominios relevantes y (3) el desarrollo de an\u00e1lisis te\u00f3ricos. Pese a eso, a\u00fan existen retos complejos que deben ser abordados para comprender mejor el funcionamiento de los lcs y para solucionar problemas del mundo real escalable y eficientemente. esta tesis trata dos retos importantes # compartidos por la comunidad de aprendizaje autom\u00e1tico # con lcs de estilo michigan: (1) aprendizaje en dominios con clases raras y (2) evoluci\u00f3n de modelos comprensibles donde se utilicen m\u00e9todos de razonamiento similares a los humanos. El aprendizaje de modelos precisos de clases raras es cr\u00edtico pues el conocimiento clave suele estar escondido en ejemplos de estas clases, y la mayor\u00eda de t\u00e9cnicas de aprendizaje no son capaces de modelar la rareza con precisi\u00f3n. El modelado de las rarezas acostumbra a ser m\u00e1s complejo en entornos de aprendizaje online, pues el sistema de aprendizaje recibe un flujo de ejemplos y debe detectar las rarezas al vuelo. La evoluci\u00f3n de modelos comprensibles es crucial en ciertos dominios como el m\u00e9dico, donde el experto est\u00e1 m\u00e1s interesado en obtener una explicaci\u00f3n inteligible de la predicci\u00f3n que en la predicci\u00f3n en s\u00ed misma. el trabajo presente considera dos lcs de estilo michigan como punto de partida: el xcs y el ucs. Se toma xcs como primera referencia debido a que es el lcs que ha tenido m\u00e1s influencia hasta el momento. Ucs es un dise\u00f1o reciente de lcs que hereda los componentes principales de xcs y los especializa para aprendizaje supervisado. Dado que esta tesis est\u00e1 especialmente centrada en problemas de clasificaci\u00f3n autom\u00e1tica, tambi\u00e9n se considera ucs en el estudio. La inclusi\u00f3n de ucs marca el primer objetivo de la tesis, bajo el cual se revisan un conjunto de aspectos que quedaron abiertos durante el dise\u00f1o del sistema. Adem\u00e1s, para ilustrar las diferencias claves entre xcs y ucs, se comparan ambos sistemas sobre una bater\u00eda de problemas artificiales de complejidad acotada. el estudio de c\u00f3mo los lcs aprenden en dominios con clases raras empieza con un estudio anal\u00edtico que descompone el problema en cinco elementos cr\u00edticos y deriva modelos por facetas para cada uno de ellos. Este an\u00e1lisis se usa como herramienta para dise\u00f1ar gu\u00edas de configuraci\u00f3n que permiten que xcs y ucs solucionen problemas que previamente no eran resolubles. A continuaci\u00f3n, se comparan los dos lcs con algunos de los sistemas de aprendizaje de mayor influencia en la comunidad de aprendizaje autom\u00e1tico sobre una colecci\u00f3n de problemas del mundo real que contienen clases raras. los resultados indican que los dos lcs son los m\u00e9todos m\u00e1s robustos de la comparativa. Adem\u00e1s, se demuestra experimentalmente que remuestrear los conjuntos de entrenamiento con el objetivo de eliminar la presencia de clases raras beneficia, en promedio, el rendimiento de los m\u00e9todos de aprendizaje autom\u00e1tico incluidos en la comparativa. el reto de crear modelos m\u00e1s comprensibles y usar mecanismos de razonamiento que sean similares a los humanos se aborda mediante el dise\u00f1o de un nuevo lcs para aprendizaje supervisado que combina las capacidades de evaluaci\u00f3n de reglas online, la robustez mostrada por los ag en problemas complejos y la representaci\u00f3n comprensible y m\u00e9todos de razonamiento proporcionados por la l\u00f3gica difusa. El sistema que resulta de la combinaci\u00f3n de estas ideas, llamado fuzzy- ucs, se estudia en detalle y se compara con una bater\u00eda de m\u00e9todos de aprendizaje altamente reconocidos en el campo de aprendizaje autom\u00e1tico. Los resultados de la comparativa demuestran la competitividad de fuzzy-ucs en referencia a la precisi\u00f3n e inteligibilidad de los modelos evolucionados. Adicionalmente, se usa fuzzy-ucs para extraer modelos de clasificaci\u00f3n precisos de grandes vol\u00famenes de datos, ejemplificando las ventajas de la arquitectura de aprendizaje online de fuzzy-ucs. en general, los avances y observaciones proporcionados en la tesis presente contribuyen a aumentar la comprensi\u00f3n del funcionamiento de los lcs y a preparar estos tipos de sistemas para afrontar problemas del mundo real de gran complejidad. Adem\u00e1s, los resultados experimentales resaltan la robustez y competitividad de los lcs respecto a otros m\u00e9todos de aprendizaje, alentando su uso para tratar nuevos problemas del mundo real.<\/p>\n<p>&nbsp;<\/p>\n<h3>Datos acad\u00e9micos de la tesis doctoral \u00ab<strong>New challenges in learning classifier systems: mining rarities and evolving fuzzy models<\/strong>\u00ab<\/h3>\n<ul>\n<li><strong>T\u00edtulo de la tesis:<\/strong>\u00a0 New challenges in learning classifier systems: mining rarities and evolving fuzzy models <\/li>\n<li><strong>Autor:<\/strong>\u00a0 Albert Orriols Puig <\/li>\n<li><strong>Universidad:<\/strong>\u00a0 Ram\u00f3n llull<\/li>\n<li><strong>Fecha de lectura de la tesis:<\/strong>\u00a0 12\/12\/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>Ester Bernad\u00f3 Mansilla<\/li>\n<\/ul>\n<\/li>\n<li><strong>Tribunal<\/strong>\n<ul>\n<li>Presidente del tribunal: david e. Goldberg <\/li>\n<li>martin v. Butz (vocal)<\/li>\n<li>xavier Llor? f?brega (vocal)<\/li>\n<li>Francisco Herrera triguero (vocal)<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n<p>&nbsp;<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Tesis doctoral de Albert Orriols Puig Durante la \u00faltima d\u00e9cada, los sistemas clasificadores (lcs) de estilo michigan # sistemas de [&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":[332,32959],"tags":[187894,187896,187895,37307,187897,187898],"class_list":["post-90571","post","type-post","status-publish","format-standard","hentry","category-ciencias-tecnologicas","category-ramon-llull","tag-albert-orriols-puig","tag-david-e-goldberg","tag-ester-bernado-mansilla","tag-francisco-herrera-triguero","tag-martin-v-butz","tag-xavier-llor-fbrega"],"_links":{"self":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/90571","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=90571"}],"version-history":[{"count":0,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/posts\/90571\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/media?parent=90571"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/categories?post=90571"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.deberes.net\/tesis\/wp-json\/wp\/v2\/tags?post=90571"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}