Resumen

La elección de una buena topología para una red neuronal profunda es una tarea compleja, esencial para cualquier proyecto de aprendizaje profundo. Normalmente, esta tarea exige el conocimiento de la experiencia previa, ya que la mayor cantidad de recursos computacionales necesarios hace que los enfoques de prueba y error resulten prohibitivos. Los algoritmos de computación evolutiva han demostrado su éxito en muchos dominios, guiando la exploración de espacios de soluciones complejos en la dirección de las mejores soluciones, con una mínima intervención humana. En este sentido, este trabajo presenta el uso de algoritmos genéticos en la selección de topologías de redes neuronales profundas. Los algoritmos evaluados fueron capaces de encontrar topologías competitivas gastando menos recursos computacionales en comparación con los métodos más avanzados.

• Materias:Ingeniería electrónica Redes Inalámbricas Arquitectura informática Sistemas de comunicación Informática Procesamiento de datos
• Subjects:Electronic engineering Wireless Networks Computer architecture Communication systems Computing Data processing
• Palabras claves:selección de topología de redes neuronales profundas, algoritmos de computación evolutiva, espacios de solución complejos, proyecto de aprendizaje profundo, red neuronal profunda, menos recursos computacionales, intervención humana mínima, recursos computacionales necesarios, métodos artísticos, mejores soluciones
• Keywords:deep neural networks topology selection, evolutionary computation algorithms, complex solution spaces, deep learning project, deep neural network, less computational resources, minimal human intervention, required computational resources, art methods, best solutions