DARBO: Descubrimiento automático de reglas borrosas no convencionales: bases de conocimiento temporal borroso y TSK de estructura variable
Este proyecto busca la aplicación de técnicas de computación evolutiva para el aprendizaje automático de dos categorías de reglas borrosas que formalizan conocimiento mediante proposiciones de cierta complejidad sintáctica (no convencionales):
- Reglas temporales borrosas (RTB), que incluyen referencias espaciales y temporales entre las proposiciones que forman las reglas.
- Reglas Takagi-Sugeno.Kang de estructura variable (TSK-EV) que permiten combinar expresiones de regresión con conocimiento explícito.
Cada regla tiene usos diferenciados: las RTB se aplican al diseño automático de comportamientos de un robot móvil a partir de los datos de distancia directamente medidos por los sus sensores láser; y las reglas TSK-EV sobre la estimación aproximada de tiempos de producción industrial en el sector del mueble y preprocesado de imagen PET.
Objetivos
- Estudio de nuevos modelos de operadores para la construcción de reglas complejas que manejan incertidumbre, en particular cuantificadores borrosos. Aplicación de los mismos para la construcción de resúmenes lingüísticos de series de datos.
- Aprendizaje automático mediante computación evolutiva (algoritmos genéticos) de reglas temporales borrosas para problemas de clasificación sobre sensores de datos (reducción de la dimensionalidad y agrupación automática de los mismos).
- Construcción automática de comportamientos en robótica móvil a partir de datos simples: “tracking” de personas y seguimiento de contornos.
- Aprendizaje automático mediante computación evolutiva (algoritmos genéticos) de reglas TSK-EV para problemas de regresión sobre datos aproximados y de baja calidad (con incertidumbre)
Proyecto
/research/projects/descubrimento-automatico-de-regras-borrosas-non-convencionais-bases-de-conecemento-temporal-borroso-e-tsk-de-estrutura-variable
<p>Este proyecto busca la aplicación de técnicas de computación evolutiva para el aprendizaje automático de dos categorías de reglas borrosas que formalizan conocimiento mediante proposiciones de cierta complejidad sintáctica (no convencionales):</p><p> <ol><li>Reglas temporales borrosas (RTB), que incluyen referencias espaciales y temporales entre las proposiciones que forman las reglas.</li><li>Reglas Takagi-Sugeno.Kang de estructura variable (TSK-EV) que permiten combinar expresiones de regresión con conocimiento explícito.</li></ol></p><p>Cada regla tiene usos diferenciados: las RTB se aplican al diseño automático de comportamientos de un robot móvil a partir de los datos de distancia directamente medidos por los sus sensores láser; y las reglas TSK-EV sobre la estimación aproximada de tiempos de producción industrial en el sector del mueble y preprocesado de imagen PET.</p><ul><li>Estudio de nuevos modelos de operadores para la construcción de reglas complejas que manejan incertidumbre, en particular cuantificadores borrosos. Aplicación de los mismos para la construcción de resúmenes lingüísticos de series de datos.</li><li>Aprendizaje automático mediante computación evolutiva (algoritmos genéticos) de reglas temporales borrosas para problemas de clasificación sobre sensores de datos (reducción de la dimensionalidad y agrupación automática de los mismos).</li><li>Construcción automática de comportamientos en robótica móvil a partir de datos simples: “tracking” de personas y seguimiento de contornos.</li><li>Aprendizaje automático mediante computación evolutiva (algoritmos genéticos) de reglas TSK-EV para problemas de regresión sobre datos aproximados y de baja calidad (con incertidumbre)</li></ul> - Alberto José Bugarín Diz - Juan Carlos Vidal Aguiar, Manuel Mucientes Molina, Félix Díaz Hermida
projects_es