Método de síntesis de funciones de prueba para optimizadores basado en autocodificadores variacionales y regresión simbólica

Se aborda parte el trabajo futuro propuesto en el trabajo de grado Método para la síntesis de paisajes de optimización bidimensionales realizado por Mariana Medina. Se aborda el proceso de generación de problemas de prueba de optimizadores mediante la implementación de un VAE, proponiendo además el proceso de caracterización de los problemas generados mediante el uso de regresores simbólicos. Se realiza el diseño experimental sobre las variaciones en la cantidad de dimensiones que componen el espacio latente, se da por vencedor al regresor simbólico PySR, y finalmente, se comparan las bases de datos generadoras y generadas mediante la utilización de un mapa autoorganizado (SOM) entrenado mediante el uso de las características ELA de los problemas de optimización generados. Se propone como trabajo futuro la generación en alta dimensión y la generación controlada. El trabajo realizado contribuye al desarrollo del artículo Optimization test function synthesis with generative adversarial networks and adaptive neuro-fuzzy systems.

• Autores: López Guevara, Juan Pablo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/42411
• Acceso en línea: http://hdl.handle.net/11349/42411
• Palabra clave: IA; Regresor simbólico; VAE; IC; Sintesis; Optimizador; Ingeniería Electrónica -- Tesis y disertaciones académicas; Autocodificadores variacionales (VAE); Regresión simbólica; Optimización y funciones de prueba; Simbolic regressor; VAE; CI; Synthesis; Optimizer; AI
• License: Abierto (Texto Completo)