Arquitecturas neuronales art para el reconocimiento de patrones y la aproximación de funciones

Abstract

En este trabajo se realiza un análisis de la usabilidad de Fuzzy ARTMAP para tareas de reconocimiento de patrones y de aproximación de funciones, con énfasis en su posible uso para extraer conocimiento a partir de los datos, que pueda ser expresado en forma de reglas, Sin embargo, Fuzzy ARTMAP sufred proliferación de categorías, independientemente del tipo del problema al que es aplicado, lo que dificulta este uso. La proliferación de categorías en la aplicación de Fuzzy ARTMAP para reconocimiento de patrones es estudiada en profundidad, analizando de forma sistemática y unificadora las múltiples soluciones existentes en la literatura. En este trabajo se realiza la propuesta original de uARTMAP, una codificación de Fuzzy ARTMAP, una codificación de Fuzzy ARTMAP que permite reducir la proliferación de categorias suprimiendo el mecanismo de seguimiento del emparejamiento, y utilizando información probabilística de los datos de entrenamiento. El problema de la proliferación es tratado también en la aproximación de funciones, aunque en este caso existen dificultades añadidas para la aplicación de Fuzzy ARTMAP, como la continuidad de la salida o la orientación de esta arquitectura a minimizar el error de clasificación. Se estudian de forma sistemática otras arquitecturas basadas en Fuzzy ARTMAP, pero más adecuadas para la aproximación de funciones,entre ellas FasArty FasBack, que presentan propiedades deseables pero sufren también proliferación de categorias. En este trabajo se proponen modificaciones de estas arquitecturas, denominadas FasARt y FasBack, que reducen este inconveniente manteniendo la precisión. También se analizan otras propuestas para la aproximación de funciones que solo alteren el modo de predición de Fuzzy ARTMAP, pero no el de entrenamiento, llegándose a la propuesta de Si-ARTMAP. Este es un esquema de aproximación en el que se integra la predicción de Fuzzy ARTMAP es un entorno del patr