Aprendizaje automático en conjuntos de clasificadores heterogéneos y modelado de agentesReport as inadecuate




Aprendizaje automático en conjuntos de clasificadores heterogéneos y modelado de agentes - Download this document for free, or read online. Document in PDF available to download.

Advisor(s): Aler Mur, RicardoSanchis de Miguel, Araceli

Department-Institute: Universidad Carlos III de Madrid. Departamento de Informática

Issued date: 2004

Defense date: 2004-12-17

Review: PeerReviewed

Keywords: Inteligencia artificial , Aprendizaje , Algoritmos genéticos

Rights: Atribución-NoComercial-SinDerivadas 3.0 España

Abstract: 

Una de las áreas que mas auge ha tenido en los últimos años dentro del aprendizajeautomático es aquella en donde se combinan las decisiones de clasificadoresindividuales con la finalidad de que la decisión final de a que clase pertenece unejemplo sea reaUna de las áreas que mas auge ha tenido en los últimos años dentro del aprendizajeautomático es aquella en donde se combinan las decisiones de clasificadoresindividuales con la finalidad de que la decisión final de a que clase pertenece unejemplo sea realizada por un conjunto de clasificadores. Existen diversas técnicaspara generar conjuntos de clasificadores, desde la manipulación de los datos deentrada a la utilización de meta-aprendizaje. Una de las maneras en las que se clasificanestas técnicas es por el numero de algoritmos de aprendizaje diferentes queutilizan con el fin de generar los miembros del conjunto. Aquellas técnicas queutilizan un único algoritmo para generar todos los miembros del conjunto se diceque generan un conjunto homogéneo. Por otra parte, aquellas técnicas que utilizanmas de un algoritmo para generar los clasificadores se considera que generanun conjunto de clasificadores heterogéneo. Entre los algoritmos de generación deconjuntos heterogéneos se encuentra Stacking, el cual, además de generar los clasificadoresdel conjunto a partir de distintos algoritmos de aprendizaje, utiliza dosniveles de aprendizaje. El primer nivel de aprendizaje o nivel-0 utiliza los datosdel dominio de manera directa, mientras que el meta-nivel o nivel-1 utiliza datosgenerados a partir de los clasificadores del nivel-0.Un problema inherente a Stacking es determinar la configuración de los parámetrosde aprendizaje del algoritmo, entre ellos, qué y cuántos algoritmos deben serutilizados en la generación de los clasificadores del conjunto. Trabajo previos handeterminado que no hay un numero exacto de algoritmos a utilizar que sea el optimopara todos los dominios. Tampoco está perfectamente definido qué algoritmosse deberían utilizar, aunque existen trabajos que utilizan algoritmos representativosde cada tipo.Uno de los objetivos de esta tesis doctoral es la utilización de algoritmos genéticoscomo técnica de optimización para determinar los algoritmos que deben serutilizados para generar el conjunto de clasificadores, al igual que la configuraciónde los parámetros de aprendizaje de estos. De esta manera el método que se proponees independiente del dominio, mientras que la configuración de los parámetrosde Stacking encontrada, dependería del dominio.El crecimiento del comercio electrónico y las aplicaciones en la World-Wide-Web ha motivado el incremento de los entornos en donde intervienen agentes. Estosentornos incluyen situaciones competitivas y-o colaborativas en donde el conocimientoque se posea sobre los individuos involucrados en el entorno, proporcionaIIIIIuna clara ventaja a la hora de tomar una decisión sobre qué acción llevar a cabo.Existen diversas formas de adquirir este conocimiento. Una de ellas es a través delmodelado del comportamiento de los agentes.A su vez, existen diversas formas de construir el modelo de un agente. Algunastécnicas utilizan modelos previamente construidos y su objetivo es intentar emparejarel comportamiento observado con un modelo existente. Otras técnicas asumenun comportamiento optimo del agente a modelar con el fin de crear un modelo desu comportamiento.Un segundo objetivo de esta tesis doctoral es la creación de un marco generalpara el modelado de agentes basándose en la observación del comportamiento delagente a modelar. Para ello se propone la utilización de técnicas de aprendizajeautomático con el propósito de llevar a cabo la tarea de modelado basándose en larelación existente entre la entrada y la salida del agente.+- 

In the last years, one of the most active research areas in Machine Learningis that of ensembles of classifiers. Their purpose is to combine the decisions ofindividual classifiers so that all classifiers in In the last years, one of the most active research areas in Machine Learningis that of ensembles of classifiers. Their purpose is to combine the decisions ofindividual classifiers so that all classifiers in the ensemble are taken into accountin order to classify new instances. There are many techniques that generate suchensembles. Some manipulate the input data, while others use meta-learning. In general,ensembles can be homogeneous or heterogeneous. Homogeneous ensemblesconsist of several classifiers generated by the same learning technique, whereasheterogeneous ensembles contain classifiers generated by different algorithms. Awell-known approach to generate heterogeneous ensembles is Stacking. Stackinguses two levels of learning. The first learning level or level-0 uses direct data fromthe domain, whereas the meta-level or level-1 uses data generated by classifiersfrom level-0.An inherent problem to Stacking is to determine the right configuration of thelearning parameters, like how many classifiers, and which learning algorithms,must be used in the generation of the ensemble of classifiers. Previous work haveshown that there is no optimal decision for all the domains, although there areworks that use representative algorithms from each type.One goal of this thesis is to use Genetic Algorithms as an optimization techniquein order to determine the type and number of algorithms to be used to generatethe ensemble of classifiers, as well as the configuration of the learning parametersof these algorithms. The proposed method is domain independent, and the GeneticAlgorithm will be able to adapt to particular domains.The growth of the e-commerce and applications over the World-Wide-Webhas motivated the increase of environments where agents can interact. These environmentinclude competitive and-or colaborative situations where the knowledgeabout other individuals involved in the environment, provides a clear advantagewhen making decision about actions to perform. There are several ways to acquirethis knowledge. One of them is by modeling the behavior of other agents.There are several ways to construct an agent’s model. Some techniques usepreviously constructed models and its goal to match the observed behavior withan existing model. Other techniques assume that the agent to model carries out anoptimal strategy in order to create a model of its behavior.In this thesis, a second approach to model agents will be used based on theobservation of other agents behavior. In order to do this, a general framework thatuses machine learning techniques for agent modeling is proposed.+- 







Author: Ledezma Espino, Agapito Ismael

Source: http://e-archivo.uc3m.es


Teaser



Universidad Carlos III de Madrid Repositorio institucional e-Archivo http:--e-archivo.uc3m.es Tesis Tesis Doctorales 2004 Aprendizaje automático en conjuntos de clasificadores heterogéneos y modelado de agentes Ledezma Espino, Agapito Ismael http:--hdl.handle.net-10016-681 Descargado de e-Archivo, repositorio institucional de la Universidad Carlos III de Madrid U NIVERSIDAD C ARLOS III DE M ADRID Escuela Politécnica Superior A PRENDIZAJE AUTOM ÁTICO EN C ONJUNTOS DE C LASIFICADORES H ETEROG ÉNEOS Y M ODELADO DE AGENTES T ESIS D OCTORAL Agapito Ismael Ledezma Espino Leganés, 2004 Departamento de Informática Escuela Politécnica Superior Universidad Carlos III de Madrid A PRENDIZAJE AUTOM ÁTICO EN C ONJUNTOS DE C LASIFICADORES H ETEROG ÉNEOS Y M ODELADO DE AGENTES AUTOR: Agapito Ismael Ledezma Espino DIRECTORES: Ricardo Aler Mur Araceli Sanchis de Miguel Tribunal nombrado por el Mgfco.
y Excmo.
Sr.
Rector de la Universidad Carlos III de Madrid, el dı́a .
de .
de 2004. Presidente: D Vocal: D Vocal: D Vocal: D Secretario: D Realizado el acto de defensa y lectura de la Tesis el dı́a .
de .
de 2004 en . Calificación: . EL PRESIDENTE LOS VOCALES EL SECRETARIO A mi esposa, Yolanda A mi tı́o, Vı́ctor Agradecimientos Odisea, esa es la palabra con la cual podrı́a describir lo que ha sido para mı́ la culminación de este trabajo.
Nadie me dijo hace años, en aquel pequeño paı́s llamado Panamá, lo que era una tesis doctoral.
Quizás, si en aquel momento en que dec...





Related documents