FRAMEWORK DE META-APRENDIZAJE Y APLICACIÓN EN REDES SOCIALES Y BIOINFORMÁTICA

Abstract

La mayoría de los procesos pueden ser descritos como la interacción entre variables de entrada y de salida, es decir, como una relación. Existe una serie de métodos y estructuras para poder encontrar o inferir una aproximación a la relación de interés, a este proceso se le denomina aprendizaje, y a la aproximación generada hipótesis, El desempeo de la hipótesis depende de diversos factores: la estructura que aprende, los procedimientos con que se realiza este proceso, las decisiones de diseo que se tomen al respecto y los datos que se tengan a disposición. El estudio de cómo estos factores repercuten en el proceso de aprendizaje se denomina meta-aprendizaje. En esta tesis se propone un esquema de meta-aprendizaje para la búsqueda de parámetros y modelos, generando un marco teórico que describe el proceso desarrollado. La importancia del marco conceptual generado, es su independencia de las estructuras y métodos utilizados, lo que permite su uso en procesos de meta-aprendizaje más allá de la implementación práctica trabajada. La implementación práctica del proceso de meta-aprendizaje consiste en la modificación de una red neuronal, a nivel del modelo y los parámetros del algoritmo de aprendizaje. Como parte del proceso de meta-aprendizaje se utilizan metaheurísti-cas para la búsqueda de los parámetros y los modelos, basados en el desempeo de cada una de estas configuraciones. Los algoritmos utilizados son: Algoritmos Genéticos (GA), Stochastic Hillclimbing (SH), Simulated Annealing (SA) y Particle Swarm Optimization (PSO).