DARBO: Descubrimento automático de regras borrosas non convencionais: bases de coñecemento temporal borroso e TSK de estrutura variable
Este proxecto busca a aplicación de técnicas de computación evolutiva para a aprendizaxe automática de dúas categorías de regras borrosas que formalizan coñecemento mediante proposicións de certa complexidade sintáctica (non convencionais):
- Regras temporais borrosas (RTB), que inclúen referencias espaciais e temporais entre as proposicións que forman as regras.
- Regras “Takagi-Sugeno-Kang de estrutura variable” (TSK-EV) que permiten combinar expresións de regresión con coñecemento explícito.
Cada regra ten usos diferenciados: as RTB aplícanse ao deseño automático de comportamentos de un robot móbil a partir dos datos de distancia directamente medidos polos seus sensores láser; e as regras TSK-EK sobre a estimación aproximada de tempo de produción industrial no sector do moble e preprocesado de imaxe PET.
Obxectivos
- Estudo de novos modelos de operadores para a construción de regras complexas que manexan incerteza, en particular cuantificadores borrosos e da súa aplicación para a construción de resumos lingüísticos de series de datos.
- Aprendizaxe automática mediante computación evolutiva (algoritmos xenéticos) de regras temporais borrosas para problemas de clasificación sobre sensores de datos (redución da dimensionalidade e agrupación automática).
- Construción automática de comportamentos en robótica móbil a partir de datos simples: “tracking” de persoas e seguimento de contornas.
- Aprendizaxe automática mediante computación evolutiva (algoritmos xenéticos) de regras TSK-EV para problemas de regresión sobre datos aproximados e de baixa calidade (con incerteza)
Proxecto
/research/projects/descubrimento-automatico-de-regras-borrosas-non-convencionais-bases-de-conecemento-temporal-borroso-e-tsk-de-estrutura-variable
<p>Este proxecto busca a aplicación de técnicas de computación evolutiva para a aprendizaxe automática de dúas categorías de regras borrosas que formalizan coñecemento mediante proposicións de certa complexidade sintáctica (non convencionais):</p><p><ol><li>Regras temporais borrosas (RTB), que inclúen referencias espaciais e temporais entre as proposicións que forman as regras.</li><li>Regras “Takagi-Sugeno-Kang de estrutura variable” (TSK-EV) que permiten combinar expresións de regresión con coñecemento explícito.</li></ol></p> <p>Cada regra ten usos diferenciados: as RTB aplícanse ao deseño automático de comportamentos de un robot móbil a partir dos datos de distancia directamente medidos polos seus sensores láser; e as regras TSK-EK sobre a estimación aproximada de tempo de produción industrial no sector do moble e preprocesado de imaxe PET.</p><ul><li>Estudo de novos modelos de operadores para a construción de regras complexas que manexan incerteza, en particular cuantificadores borrosos e da súa aplicación para a construción de resumos lingüísticos de series de datos.</li><li>Aprendizaxe automática mediante computación evolutiva (algoritmos xenéticos) de regras temporais borrosas para problemas de clasificación sobre sensores de datos (redución da dimensionalidade e agrupación automática).</li><li>Construción automática de comportamentos en robótica móbil a partir de datos simples: “tracking” de persoas e seguimento de contornas.</li><li>Aprendizaxe automática mediante computación evolutiva (algoritmos xenéticos) de regras TSK-EV para problemas de regresión sobre datos aproximados e de baixa calidade (con incerteza)</li></ul> - Alberto José Bugarín Diz - Juan Carlos Vidal Aguiar, Manuel Mucientes Molina, Félix Díaz Hermida
projects_gl