Análisis y evaluación de un modelo para la adaptación simultánea de los parámetros y la conectividad en sistemas neuronales artificiales

Abstract

En la presente tesis se explora un método que extiende la adaptabilidad de los sistemas conectivos a su nivel estructural, de modo que en el proceso de ajuste automático de parámetros se sintoniza no sólo la intensidad de las conexiones sino también la propia topología reticular, El método se basa en un modelo sinaptico que incorpora un factor de conmutación explicito. Como parte del proceso de entrenamiento, que se detalla tanto para el caso de redes recurrentes como estratificadas, las conexiones quedan definitivamente consolidadas o bien resultan funcionalmente eliminadas. El efecto global del mecanismo es el de materializar una eliminación parcial de las conexiones y nodos de la red de partida que tiene lugar de manera simultanea al ajuste de los pesos. A diferencia de otras técnicas relacionadas, no es preciso ni recurrir a medidas externas ni reentrenar la red después de cada sesión de eliminación de conexiones. Se profundiza en la interpretación del acoplamiento entre los parámetros ajustables del modelo y se determinan restricciones teóricas de operación del método explorado. También se amplia el mecanismo basico de forma que el coeficiente que controla la velocidad e intensidad de la poda efectiva deja de ser único y de valor constante para ser específico de cada conexión y evolucionar dinámicamente durante el entrenamiento. Se consigue así un nivel de ajuste de las soluciones más fino que resulta adecuado en aplicaciones en las que la precisión en las salidas cuantitativas es crítica. La comparación detallada del comportamiento observado en diversos aplicaciones de clasificación y predición con los datos publicados con otros autores confirma el potencial de la técnica desarrollada.