Optimización de redes neuronales de funciones base radiales mediante algoritmos evolutivos

En esta tesis se describe un nuevo metodo, EvRBF, basado en un algoritmo evolutivo y disenado para entrenar redes neuronales de funciones base radiales (RNFBR), El metodo automatiza el establecimiento de los valores para los parametros de la RNFBR, incluido el tamano de la misma, intentnado acercarlos a sus valores optimos. Adecionalmente, se introduce el concepto de Objeto Evolutivo a partir del cual se ha generado la biblioteca de programacion EO, con la que se ha programado el nuevo metodo. Los Objetivos Evolutivos han permitido la construccion de sistemas que engloban a todos los pradigmas de la computacion evolutiva. A continuacion, se realiza una revision de los diferentes enfocados basados en algoritmos evolutivos que tratan de disenar redes neuronales artificiales. De forma mas particular, se revisan los metodos propuestos en la literatura para el diseno automatico de RNFBR, incluyendo tanto algoritmos evolutivos como no evolutivos. Posteriormente, se describen los nuevos operadores geneticos disenados para operar con RNFBR y se realiza un estudio para determinar con que factores de probabilidad deben ser aplicados. Igualmente, se estudian diversos metodos de inicializacion de individuos y asignacion de fitness, concluyendo con un conjunto de parametros optimo para ejecutar el metodo. Por ultimo, se comprueba la efectividad del metodo propuesto aplicandolo a diversos problemas de aproximacion funcional, clasificacion de patrones y estimacion de series temporales. Las tasas de error alcanzadas por el metodo demuestran su capacidad para determinar la arquitectura de las RNFBR y entrenar los diversos parametros que las componen.