Estudia ingeniería dijeron...

Lo siento, pero estos algoritmos ya están cogidos I Empezamos la ronda de Técnicas Evolutivas con el algoritmo PSO y DE. Algoritmo de Optimización por Enjambre de Partículas - PSO El algoritmo PSO se basa en mover unas "partículas" o "agentes" (soluciones candidatas) por un espacio de búsqueda (variables a optimizar) según unas reglas matemáticas que tienen en cuenta la posición y la velocidad de las partículas. El movimiento de las partículas dependerá de su última mejor posición local y de las mejores posiciones globales de las otras partículas. De ese modo las partículas se "ayudan mutuamente". GIF: descenso de gradiente. Perdona ¿Cómo? Para entendernos mejor, supongamos que la pesca es el deporte de moda actual, y que estamos en época de pesca. Nos encontramos en un lago precioso, con nuestro bote, la caña de pescar, un bocata de tortilla, y muchas ganas de encontrar el mejor pescado del lago. Porque sabemos que existe UN mejor p

¿Quiere ser usted pseudo- famoso? Invéntase un algoritmo de Inteligencia de Enjambre La Swarm Intelligence es una Técnica Evolutiva cuyo objetivo principal es generar soluciones para resolver problemas de optimización difíciles utilizando técnicas inspiradas en la evolución natural, tales como la mutación, selección o creación de agentes híbridos (sí, todas las definiciones de los diferentes tipos de IA s suenan parecidas). Este sub-campo se diferencia de los demás por el estudio del comportamiento colectivo de sistemas descentralizados u auto-organizados. Los humanos mismos somos un ejemplo de este tipo de colectivos, como también lo son las hormigas, las bacterias o cualquier otro grupo de criaturas simples que interactúan localmente entre ellas y con su medio ambiente. Estas criaturas o agentes, siguen unas reglas simples, que globalmente derivan en un comportamiento complejo. Imagen: comportamiento de un colectivo de pajaros. El comportamiento global complejo

Como dice mi madre: la naturaleza es muy sabia Si en miles y miles de años de evolución, la naturaleza ha sido capaz de crear criaturas capaces de adaptarse a un entorno y de cumplir su objetivo (sobrevivir) ¿Porque no ser vagos y copiar el método de trabajo de la naturaleza y aplicarlo en otro tipo de objetivos? Porque si algo define a los ingenieros, es la pereza (el pecado capital más inofensivo, pues evita que se cometan los otros 6) y el ímpetu en hacer los trabajos mas llevaderos y fáciles (bendito aquel que decidió ponerle un palo a un trapo). Imagen: genealogía genética. Así pues, una Técnica Evolutiva es una rama de la IA que se inspira en la evolución biológica para resolver problemas utilizando algoritmos genéticos. El mundo de las técnicas evolutivas es bastante amplio, por lo que en este blog se explicarán algunos algoritmos de Inteligencia de Enjambre . Pero primero se procederá a explicar lo que es una algoritmo genético. Algoritmos Genético

REGRESIÓN LOGÍSTICA En la entrada anterior del aprendizaje automático hemos hablado sobre la regresión lineal. Esta técnica de aprendizaje automático consistía en entrenar un modelo/función (h) para que fuese capaz de predecir los valores de la salida, siempre generalizando. La regresión lineal es idea en problemas donde la salida es continua, pero no lo es tanto a la hora de clasificar los datos en grupos su actuación.  Por ello existe la regresión logística, que a diferencia de la regresión lineal, se centra en CLASIFICAR los datos en grupos o en discretizarlos. Ejemplo de que como la regresión lineal no sirve para clasificar datos, la regresión logística sí que lo vale. Tal como se ha dicho, la regresión logística se usa para la clasificación de datos, pero ¿Cómo funciona realmente? ¿Qué diferencias tiene con la regresión lineal? Clasificación El objetivo de la clasificación es diferenciar los datos en dos o más grupos. Primero nos centraremos en la separación

REGRESIÓN LINEAL En la entrada anterior hemos visto lo que es el aprendizaje automático y hemos aprendido que existen varios métodos de aprendizaje para una computadora o máquina. Pero ¿Cómo exactamente aprende una máquina? ¿Qué pasos hay que seguir para el aprendizaje? En esta entrada explicaremos cómo aprenden las máquinas y nos centraremos sobre todo en un método de aprendizaje: la Regresión lineal. Tal como se explica en la entrada de Introducción al aprendizaje automático   la regresión lineal es un tipo de aprendizaje supervisado, que parte de unos ejemplos conocidos de los cuales se conoce la relación entre la entrada y la salida, y con los que se puede conseguir la relación en forma de función. Entrenamiento del aprendizaje supervisado El mayor problema del aprendizaje supervisado es el entrenamiento. Este consiste en partir con un conjunto de datos con los cuales entrenar un algoritmo para que sea capaz de hacer relaciones entre la entrada y la salida. Es decir

"MACHINE LEARNING" Partiendo de lo que nos ha explicado E. Nieto en la entrada anterior sobre la IA (Inteligencia Artificial), en esta entrada nos adentraremos aún más en el mundo de las inteligencias artificiales, más concretamente en el aprendizaje automático o en la capacidad de "aprender" de las máquinas. Existen varias definiciones de " Machine Learning"  o el Aprendizaje automático , una acepción es que son un tipo de inteligencia artificial (IA) que proporciona a las computadoras la capacidad de aprender sin ser programadas explícitamente. Esta definición es bastante general, por lo que varios expertos han intentado definir el concepto de maneras más concretas. Tom M. Mitchel dando una conferencia Según Tom M. Mitchel , científico de la computación y profesor de la Universidad E. Fredkin (Universidad Carnegie Mellon (CMU)), "Se dice que un programa de computadora aprende de la experiencia E con respecto a alguna clase de tarea

A computer would deserve to be called intelligent if it could deceive a human into believing that it was human Con esta frase de Alan Turing empezamos la primera de las muchas entradas que dedicaremos a explicar (por encima) la inteligencia artificial y algunas de sus ramas. Pero espera, espera. ¿Cómo que hay una inteligencia que es artificial? ¿Si ni siquiera soy capaz de hacer un examen de matemática sin comprobar si 2 + 2 = 4 en la calculadora? Pues sí, existe, y esta difiere bastante de la idea que tenía Alan Turing sobre ella. Imagen: placa de Alan Turing. La inteligencia artificial es un concepto relativamente nuevo, por lo que tiene bastantes definiciones : La ciencia e ingeniería de hacer a las máquinas inteligentes. John McCarthy (padre de la Inteligencia Artificial). E l término inteligencia artificial se aplica a sistemas con la capacidad de interpretar datos externos, aprender de estos datos y a usar ese conocimiento para llevar a cabo tareas específ