Resumen

La búsqueda de organismos simbióticos (SOS) es un nuevo algoritmo metaheurístico robusto y potente, que estimula las estrategias de interacción simbiótica adoptadas por los organismos para sobrevivir y propagarse en el ecosistema. En el ámbito del aprendizaje supervisado, es un reto presentar un algoritmo de entrenamiento satisfactorio y eficiente para las redes neuronales feedforward (FNNs). En este trabajo, se emplea el SOS como un nuevo método para el entrenamiento de FNNs. Para investigar el rendimiento de dicho método, se emplean para el experimento ocho conjuntos de datos diferentes seleccionados del repositorio de aprendizaje automático de la UCI y se comparan los resultados entre siete algoritmos metaheurísticos. Los resultados demuestran que SOS se comporta mejor que otros algoritmos para entrenar FNNs en términos de velocidad de convergencia. También se demuestra que una FNN entrenada por el método de SOS tiene mejor precisión que la mayoría de los algoritmos comparados.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurociencia Cognitiva
• Subjects:Artificial intelligence Data mining Genetic algorithms Brain - pathophysiology Cognitive Neuroscience
• Palabras claves:entrenamiento fnns, área de aprendizaje supervisado, métodos de so, repositorio de aprendizaje automático, algoritmo de entrenamiento eficiente, aprendizaje automático uci, estrategia de interacción simbiótica, potente algoritmo metaheurístico, búsqueda de organismos simbióticos, so
• Keywords:training fnns, supervised learning area, methods of so, machine learning repository, efficient training algorithm, uci machine learning, symbiotic interaction strategy, powerful metaheuristic algorithm, symbiotic organisms search, so