Tesis doctoral de Albert Fornells Herrera
El razonamiento basado en casos (cbr) es un paradigma de aprendizaje basado en establecer analogías con problemas previamente resueltos para resolver otros nuevos. Por tanto, la organización, el acceso y la utilización del conocimiento previo son aspectos clave para tener éxito. No obstante, la mayoría de los problemas presentan grandes volúmenes de datos complejos, inciertos y con conocimiento aproximado y, por tanto, el rendimiento del cbr puede verse afectado debido a la complejidad de gestionarlos. Esto ha hecho que en los últimos años haya surgido una nueva línea de investigación llamada soft-computing and intelligent information retrieval focalizada en mitigar estos efectos. Es aquí donde nace el contexto de esta tesis. dentro del amplio abanico de técnicas soft-computing para tratar conocimiento complejo, los mapas autoorganizativos (som) destacan por encima del resto por su capacidad de agrupar los datos en patrones, los cuales permiten detectar relaciones ocultas entre los datos. Esta capacidad ha sido aprovechada en trabajos previos de otros investigadores, donde se ha organizado la memoria de casos del cbr con som para mejorar la recuperación de los casos. la finalidad de la presente tesis es dar un paso más en la simple combinación del cbr y de som, de tal manera que aquí se introducen las capacidades de soft-computing y de knowledge discovery de som en todas las fases del cbr para alimentarlas del conocimiento nuevo descubierto. Además, las métricas de complejidad aparecen en este contexto como un instrumento preciso para modelar el funcionamiento de som en función de la tipología de los datos. La consecución de esta integración se puede dividir principalmente en cuatro hitos: (1) la definición de una metodología para determinar la mejor manera de recuperar los casos teniendo en cuenta la complejidad de los datos y los requerimientos del usuario; (2) la mejora de la fiabilidad en la propuesta de soluciones gracias a las relaciones entre los clusters y los casos; (3) la potenciación de las capacidades explicativas mediante la generación de explicaciones simbólicas; (4) el mantenimiento incremental y semi-supervisado de la memoria de casos organizada por som. Todos estos puntos se integran en la plataforma somcbr, la cual es ampliamente evaluada sobre datasets procedentes del uci repository y de dominios médicos y telemáticos. adicionalmente, la tesis aborda secundariamente dos líneas de investigación fruto de los requeri-mientos de los proyectos donde ha estado ubicada la tesis. Por un lado, se aborda la definición de funciones de similitud específicas para definir como comparar un caso resuelto con otro nuevo mediante una variante de la computación evolutiva denominada evolución de gramáticas (ge). Por otro lado, se estudia como definir esquemas de cooperación entre sistemas heterogéneos para mejorar la fiabilidad de su respuesta conjunta mediante ge. Ambas líneas son integradas en dos plataformas, brain y mge, las cuales también son evaluadas sobre los datasets anteriores.
Datos académicos de la tesis doctoral «Marc integrador de les capacitats de soft-computing i de knowledge discovery dels mapes autoorganitzatius en el raonament basat en casos«
- Título de la tesis: Marc integrador de les capacitats de soft-computing i de knowledge discovery dels mapes autoorganitzatius en el raonament basat en casos
- Autor: Albert Fornells Herrera
- Universidad: Ramón llull
- Fecha de lectura de la tesis: 14/12/2007
Dirección y tribunal
- Director de la tesis
- Elisabet Golobardes Ribé
- Tribunal
- Presidente del tribunal: enric Plaza cervera
- María belen Diaz agudo (vocal)
- eva Armengol voltas (vocal)
- jordi Freixenet bosch (vocal)