DESCUBRIMIENTO AUTOMATICO DE REGLAS BORROSAS NO CONVENCIONALES: BASES DE CONOCIM...
DESCUBRIMIENTO AUTOMATICO DE REGLAS BORROSAS NO CONVENCIONALES: BASES DE CONOCIMIENTO TEMPORAL BORROSO Y TSK DE ESTRUCTURA VARIABLE
LA FINALIDAD DEL PROYECTO ES AVANZAR DENTRO DEL CONTEXTO DEL DESCUBRIMIENTO DE CONOCIMIENTO, UTLIZANDO TECNICAS EVOLUTIVAS PARA EL APRENDIZAJE AUTOMATICO DE REGLAS BORROSAS QUE TENGAN UNA COMPLEJIDAD ESTRUCTURAL O SEMANTICA MAYOR...
ver más
Financiación
concedida
El organismo AGENCIA ESTATAL DE INVESTIGACIÓN notifico la concesión del proyecto
el día 2008-01-01
No tenemos la información de la convocatoria
0%
100%
Información adicional privada
No hay información privada compartida para este proyecto. Habla con el coordinador.
¿Tienes un proyecto y buscas un partner? Gracias a nuestro motor inteligente podemos recomendarte los mejores socios y ponerte en contacto con ellos. Te lo explicamos en este video
Proyectos interesantes
TIN2011-28488
APLICACION DE LAS TECNICAS DE SOFT COMPUTING EN MINERIA DE D...
102K€
Cerrado
PID2019-107793GB-I00
HACIA LA EXTRACCION INTELIGENTE, EXPLICABLE Y PRECISA DE CON...
124K€
Cerrado
FJC2021-047112-I
Fuzzy systems on time series analysis, modeling, and forecas...
65K€
Cerrado
TIN2008-06681-C06-05
KEEL-CTNC: SISTEMAS CLASIFICADORES BASADOS EN ALGORITMOS GEN...
40K€
Cerrado
TIN2012-33856
NUEVOS PROBLEMAS EN MINERIA DE DATOS: SOLUCIONES CON TECNICA...
56K€
Cerrado
RYC-2010-06984
Fuzzy Modelling and Rough Sets for Recommender Systems and D...
192K€
Cerrado
Descripción del proyecto
LA FINALIDAD DEL PROYECTO ES AVANZAR DENTRO DEL CONTEXTO DEL DESCUBRIMIENTO DE CONOCIMIENTO, UTLIZANDO TECNICAS EVOLUTIVAS PARA EL APRENDIZAJE AUTOMATICO DE REGLAS BORROSAS QUE TENGAN UNA COMPLEJIDAD ESTRUCTURAL O SEMANTICA MAYOR DE LAS QUE SE TRATAN HABITUALMENTE EN LA BIBLIOGRAFIA DE MODELADO BORROSO DE SISTEMAS, DE ESTE MODO FACILITAREMOS SU UTILIZACION DIRECTA EN NUEVAS APLICACIONES DE MAYOR COMPLEJIDAD Y SU VALIDACION POR PARTE DE LOS EXPERTOS (ACOSTUMBRADOS A ESTE TIPO DE REGLAS), MEJORANDO ASI SU CONFIANZA EN LAS BASES DE CONOCIMIENTO APRENDIDAS, EN PARTICULAR SE PLANTEA EL APRENDIZAJE AUTOMATICO DE DOS CATEGORIAS DE REGLAS:A) REGLAS TEMPORALES BORROSAS, DE INTERES PARA EL MODELADO DE SISTEMAS DINAMICOS COMPLEJOS, DONDE LA REFERENCIA EXPLICITA AL TIEMPO JUEGA UN PAPEL RELEVANTE PARA ESTABLECER LA OCURRENCIA DE EVENTOS, RELACIONES ENTRE LOS MISMOS, ,,, ESTE TIPO DE REGLAS DE GRAN RIQUEZA SINTACTICA Y SEMANTICA SON DE INTERES EN AMBITOS COMO LA MONITORIZACION O SUPERVISION DE PROCESOS O EL DIAGNOSTICO,B) REGLAS DE TIPO TAKAGI-SUGENO-KANG SOBRE DATOS CON INCERTIDUMBRE ASOCIADA, DE INTERES EN AMBITOS DONDE EL APRENDIZAJE SE BASA EN MEDIDAS NO TOTALMENTE FIABLES NI PRECISAS,SE CONSIDERAN MECANISMOS DE RAZONAMIENTO APROXIMADO DIFERENTES DE LOS HABITUALES (IMPLICACION TIPO MAMDANI), POR LA RELEVANCIA QUE TIENE JUSTIFICAR DE CARA AL EXPERTO HUMANO NO SOLO LA ADECUADA REPRESENTACION DEL CONOCIMIENTO OBTENIDO POR EL APRENDIZAJE AUTOMATICO, SINO TAMBIEN EL MODELO DE RAZONAMIENTO UTILIZADO, CARACTERIZANDO LAS PROPIEDADES DE LOS OPERADORES DESDE UN PUNTO DE VISTA DE LOS PATRONES DE RAZONAMIENTO A QUE DAN LUGAR,LAS TECNICAS EVOLUTIVAS DE APRENDIZAJE UTILIZADAS SE VALIDARAN MEDIANTE SU APLICACION A DOS PROBLEMAS DE DIFERENTE NATURALEZA EN LOS QUE EL EQUIPO INVESTIGADOR TIENE EXPERIENCIA: UN PROBLEMA DE CLASIFICACION, COMO ES LA OBTENCION DE REGLAS TEMPORALES BORROSAS PARA LA IDENTIFICACION DE PERSONAS A PARTIR DE LOS DATOS PROPORCIONANDOS POR LOS SENSORES LASER DE UN ROBOT MOVIL Y UN PROBLEMA DE REGRESION, COMO ES LA OBTENCION DE REGLAS DE TIPO TSK-EV PARA LA ESTIMACION DE TIEMPOS DE FABRICACION DE PIEZAS EN LA INDUSTRIA DEL MUEBLE, SE VALIDARAN LOS RESULTADOS COMPARANDOLOS CON LOS OBTENIDOS AL APLICAR OTROS MODELOS MODELOS EVOLUTIVOS Y TAMBIEN TECNICAS DE OTRO TIPO (MAQUINAS DE VECTORES DE SOPORTE EN EL PROBLEMA DE DETECCION DE PERSONAS Y REDES NEURONALES EN EL PROBLEMA DE ESTIMACION DE TIEMPOS), descubrimiento de conocimiento\minería de reglas\reglas con incertidumbre