Resumen

La neuroevolución es el campo de estudio que utiliza la computación evolutiva para optimizar ciertos aspectos del diseño de redes neuronales, principalmente su topología y hiperparámetros. El campo fue introducido a finales de los años 80, pero solo en los últimos años ha madurado lo suficiente para permitir la optimización de modelos de aprendizaje profundo, como las redes neuronales convolucionales. En este artículo, nos basamos en trabajos previos para aplicar la neuroevolución con el fin de optimizar la topología de redes neuronales profundas que pueden utilizarse para resolver el problema de reconocimiento de caracteres escritos a mano. Además, aprovechamos el hecho de que los algoritmos evolutivos optimizan una población de soluciones candidatas, combinando un conjunto de los mejores modelos evolucionados resultantes en un comité de redes neuronales convolucionales. Este proceso se mejora utilizando mecanismos específicos para preservar la diversidad de la población. Además, en este artículo, abordamos una de las desventajas de la neuroevolución: el proceso es muy costoso en términos de tiempo comput

• Materias:Modelo de tráfico Sistemas antifrágiles Sistemas multiagente Componentes complejos
• Subjects:Traffic model Anti-fragile systems Multiagent systems Complex components
• Palabras claves:Neuroevolución; Computación evolutiva; Redes neuronales; Modelos de aprendizaje profundo; Redes neuronales convolucionales; Topología
• Keywords:Neuroevolution; Evolutionary computation; Neural networks; Deep learning models; Convolutional neural networks; Topology