Resumen

Un investigador puede inferir rápidamente expresiones matemáticas de funciones utilizando sus conocimientos profesionales (llamados conocimientos previos). Pero los resultados que encuentra pueden estar sesgados y restringidos a su campo de investigación debido a la limitación de sus conocimientos. Por el contrario, el método de Programación Genética puede descubrir expresiones matemáticas adecuadas a partir del enorme espacio de búsqueda mediante la ejecución de algoritmos evolutivos. Y sus resultados pueden generalizarse para adaptarse a diferentes campos de conocimiento. Sin embargo, dado que la GP tiene que buscar en un espacio enorme, su velocidad para encontrar los resultados es bastante lenta. Por lo tanto, en este trabajo se propone un marco de conexión entre el Conocimiento de Fórmulas Previas y la GP (PFK-GP) para reducir el espacio de búsqueda de la GP. El PFK se construye en base a la Red de Creencias Profundas (DBN) que puede identificar fórmulas candidatas que son consistentes con las características de los datos experimentales. Utilizando estas fórmulas candidatas como semilla de una población generada aleatoriamente, PFK-GP encuentra las fórmulas correctas rápidamente explorando el espacio de búsqueda de las características de los datos. Hemos comparado PFK-GP con Pareto GP en la regresión de ocho problemas de referencia. Los resultados experimentales confirman que el PFK-GP puede reducir el espacio de búsqueda y obtener una mejora significativa en la calidad de la RS.

• 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:gp, fórmula candidata, espacio de búsqueda, pfk, expresión de la función, resultados, conocimiento previo de la fórmula, espacio de búsqueda enorme, expresión matemática ajustada, métodos de programación genética
• Keywords:gp, candidate formula, search space, pfk, expression of function, results, prior formula knowledge, huge search space, fitted mathematical expression, genetic programming methods