Show simple item record

Professor Advisordc.contributor.advisorEstévez Valencia, Pablo
Authordc.contributor.authorCholaky Mejía, Roberto Ignacio
Associate professordc.contributor.otherWeber Haass, Richard
Associate professordc.contributor.otherSáez Hueichapan, Doris
Admission datedc.date.accessioned2023-12-15T13:41:38Z
Available datedc.date.available2023-12-15T13:41:38Z
Publication datedc.date.issued2023
Identifierdc.identifier.urihttps://repositorio.uchile.cl/handle/2250/196752
Abstractdc.description.abstractLa Inteligencia Artificial (IA) interpretativa es un enfoque para diseñar modelos que puedan ser interpretados por expertos. Una de sus áreas es la regresión simbólica, cuyo objetivo es obtener una expresión matemáticamente sencilla e interpretable a partir de los datos, que los expertos puedan analizar para comprender mejor el proceso al que se aplica la regresión.} En esta tesis se propone y desarrolla un nuevo modelo de regresión simbólica basado en redes neuronales artificiales. El modelo propuesto presenta un algoritmo de búsqueda estructural que selecciona las funciones que deben componer la expresión y luego ajusta los coeficientes de las expresiones generadas mediante retropropagación de gradientes. El método propuesto se aplica al \emph{benchmark} Nguyen de ecuaciones, y a un modelo de baterías de litio. Entre los principales resultados se destaca la robustez del método para encontrar las estructuras que componen las expresiones buscadas, la capacidad de adaptarse a polinomios de alto orden, y la flexibilidad para ajustar los coeficientes de diferentes tipos de funciones. Como trabajo futuro se propone la reducción de los tiempos de cómputo, el uso de combinaciones lineales sin puntos flotantes y la modificación de la estructura para permitir el uso de técnicas avanzadas de Deep Learning.es_ES
Patrocinadordc.description.sponsorshipANID-CHILE proyecto FONDECYT 1220829es_ES
Lenguagedc.language.isoeses_ES
Publisherdc.publisherUniversidad de Chilees_ES
Type of licensedc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
Link to Licensedc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
Títulodc.titleRegresión simbólica mediante redes neuronaleses_ES
Document typedc.typeTesises_ES
dc.description.versiondc.description.versionVersión original del autores_ES
dcterms.accessRightsdcterms.accessRightsAcceso abiertoes_ES
Catalogueruchile.catalogadorgmmes_ES
Departmentuchile.departamentoDepartamento de Ingeniería Eléctricaes_ES
Facultyuchile.facultadFacultad de Ciencias Físicas y Matemáticases_ES
uchile.titulacionuchile.titulacionDoble Titulaciónes_ES
uchile.carrerauchile.carreraIngeniería Civil Eléctricaes_ES
uchile.gradoacademicouchile.gradoacademicoMagisteres_ES
uchile.notadetesisuchile.notadetesisTesis para optar al grado de Magíster en Ciencias de la Ingeniería, Mención Eléctricaes_ES
uchile.notadetesisuchile.notadetesisMemoria para optar al título de Ingeniero Civil Eléctrico


Files in this item

Icon
Icon

This item appears in the following Collection(s)

Show simple item record

Attribution-NonCommercial-NoDerivs 3.0 United States
Except where otherwise noted, this item's license is described as Attribution-NonCommercial-NoDerivs 3.0 United States