Sistema anticolisión para invidentes usando redes neuronales evolutivas
Introducción: El presente artículo muestra el diseño e implementación de un sistema anticolisión para invidentes usando redes neuronales evolutivas. Objetivo: Presentar la implementación de redes neuronales evolutivas en un sistema guía para invidentes en la detección de obstáculos estáticos y en mo...
- Autores:
-
Alvarado Coral, Juan David
Muñoz España, Elena
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2018
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/2338
- Acceso en línea:
- http://hdl.handle.net/11323/2338
https://doi.org/10.17981/ingecuc.14.2.2018.03
https://repositorio.cuc.edu.co/
- Palabra clave:
- Algoritmo genético cooperativo coevolutivo
Invidente
Sistema anticolisión
Método neuroevolutivo
Red neuronal artificial
Cooperative co-evolutionary genetic algorithm
Visually impaired
Anti-collision system
Neuro-evolutionary method
Artificial neural network
- Rights
- openAccess
- License
- http://purl.org/coar/access_right/c_abf2
| id |
RCUC2_14d4b53ccba96b830a3ec2aa0280a82f |
|---|---|
| oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/2338 |
| network_acronym_str |
RCUC2 |
| network_name_str |
REDICUC - Repositorio CUC |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
| title |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
| spellingShingle |
Sistema anticolisión para invidentes usando redes neuronales evolutivas Algoritmo genético cooperativo coevolutivo Invidente Sistema anticolisión Método neuroevolutivo Red neuronal artificial Cooperative co-evolutionary genetic algorithm Visually impaired Anti-collision system Neuro-evolutionary method Artificial neural network |
| title_short |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
| title_full |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
| title_fullStr |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
| title_full_unstemmed |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
| title_sort |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
| dc.creator.fl_str_mv |
Alvarado Coral, Juan David Muñoz España, Elena |
| dc.contributor.author.spa.fl_str_mv |
Alvarado Coral, Juan David Muñoz España, Elena |
| dc.subject.proposal.spa.fl_str_mv |
Algoritmo genético cooperativo coevolutivo Invidente Sistema anticolisión Método neuroevolutivo Red neuronal artificial |
| topic |
Algoritmo genético cooperativo coevolutivo Invidente Sistema anticolisión Método neuroevolutivo Red neuronal artificial Cooperative co-evolutionary genetic algorithm Visually impaired Anti-collision system Neuro-evolutionary method Artificial neural network |
| dc.subject.proposal.eng.fl_str_mv |
Cooperative co-evolutionary genetic algorithm Visually impaired Anti-collision system Neuro-evolutionary method Artificial neural network |
| description |
Introducción: El presente artículo muestra el diseño e implementación de un sistema anticolisión para invidentes usando redes neuronales evolutivas. Objetivo: Presentar la implementación de redes neuronales evolutivas en un sistema guía para invidentes en la detección de obstáculos estáticos y en movimiento. Metodología: La metodología empleada se basa en la creación de redes neuronales artificiales a partir del algoritmo genético cooperativo coevolutivo (AGCC), este se encarga de estructurar, modificar y entrenar las redes neuronales. Para ello utiliza la matriz de definición de red (MDR). Para la elaboración de una MDR se toma como base un cromosoma “parte del algoritmo genético”. Una vez este realizada la MDR se crea una red neuronal artificial para luego ser entrenada. Resultados: El programa realizó varias redes neuronales generando en cada ejecución 10 cromosomas, que al ser entrenados con el AGCC y aplicando la cooperatividad, se obtuvieron las mejores redes neuronales anticolisión teniendo en cuenta un tiempo definido, funcionando efectivamente para la detección de obstáculos estáticos y en movimiento. Conclusiones: En el sistema anticolisión para invidentes se observó la eficacia de las redes neuronales en dar una respuesta, detectando objetos tanto estáticos como en movimiento proporcionando seguridad al invidente, evitando colisiones con estos. |
| publishDate |
2018 |
| dc.date.issued.none.fl_str_mv |
2018-09-04 |
| dc.date.accessioned.none.fl_str_mv |
2019-02-09T16:53:51Z |
| dc.date.available.none.fl_str_mv |
2019-02-09T16:53:51Z |
| dc.type.spa.fl_str_mv |
Artículo de revista |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_2df8fbb1 |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| format |
http://purl.org/coar/resource_type/c_6501 |
| status_str |
acceptedVersion |
| dc.identifier.citation.spa.fl_str_mv |
J. D. Alvarado Coral y E. Muñoz España, “Sistema anticolisión para invidentes usando redes neuronales evolutivas,” INGE CUC, vol. 14, no. 2, pp. 28-44, 2018. DOI: http://doi.org/10.17981/ingecuc.14.2.2018.03 |
| dc.identifier.uri.spa.fl_str_mv |
http://hdl.handle.net/11323/2338 |
| dc.identifier.url.spa.fl_str_mv |
https://doi.org/10.17981/ingecuc.14.2.2018.03 |
| dc.identifier.doi.spa.fl_str_mv |
10.17981/ingecuc.14.2.2018.03 |
| dc.identifier.eissn.spa.fl_str_mv |
2382-4700 |
| dc.identifier.instname.spa.fl_str_mv |
Corporación Universidad de la Costa |
| dc.identifier.pissn.spa.fl_str_mv |
0122-6517 |
| dc.identifier.reponame.spa.fl_str_mv |
REDICUC - Repositorio CUC |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.cuc.edu.co/ |
| identifier_str_mv |
J. D. Alvarado Coral y E. Muñoz España, “Sistema anticolisión para invidentes usando redes neuronales evolutivas,” INGE CUC, vol. 14, no. 2, pp. 28-44, 2018. DOI: http://doi.org/10.17981/ingecuc.14.2.2018.03 10.17981/ingecuc.14.2.2018.03 2382-4700 Corporación Universidad de la Costa 0122-6517 REDICUC - Repositorio CUC |
| url |
http://hdl.handle.net/11323/2338 https://doi.org/10.17981/ingecuc.14.2.2018.03 https://repositorio.cuc.edu.co/ |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.ispartofseries.spa.fl_str_mv |
INGE CUC; Vol. 14, Núm. 2 (2018) |
| dc.relation.ispartofjournal.spa.fl_str_mv |
INGE CUC INGE CUC |
| dc.relation.references.spa.fl_str_mv |
J. Mosquera and D. Rodríguez, "Sistema de reconocimiento de obstáculos para movilidad de Invidentes," tesis de pregrado, Universidad del Cauca, 2014. T. Praczyk, "Neural anti-collision system for autonomous surface vehicle," Neurocomputing, vol. 149, pp. 559–572, 2015. https://doi.org/10.1016/j.neucom.2014.08.018 D. Curran and C. O'Riordan, "Increasing population diversity through cultural learning," Adaptive Behavior, vol. 14, no. 4, pp. 315–338, 2006. https://doi.org/10.1177/1059712306072335 G. Miller, P. Todd, and S. Hegde, "Designing neural networks using genetic algorithms," Proceedings of the 3rd International Conference on Genetic Algorithms, pp. 379–384, 1989. X. Yao and Y. Liu, "A new evolutionary system for evolving artificial neural networks," IEEE transactions on neural networks, vol. 8, no. 3, pp. 694–713, 1997. https://doi.org/10.1109/72.572107 N. García, C. Hervás, and J. Mu-oz, "Multi-objective cooperative coevolution of artificial neural networks," Neural Networks, vol. 15, no. 10, pp. 1259–1278, 2002. https://doi.org/10.1016/S0893-6080(02)00095-3 K. Ohkura, T. Yasuda, Y. Kawamatsu, Y. Matsumura, and K. Ueda, "MBEANN: Mutation-based evolving artificial neural networks," Neural Networks, pp. 936–945, 2007. https://doi.org/10.1007/978-3-540-74913-4_94 A. Azzini and A. Tettamanzi, "A new genetic approach for neural network design and optimization," tesis doctoral, Universidad de Milán, 2008. A. Tallón, "Nuevos modelos de redes neuronales evolutivas para clasificación: aplicación a unidades producto y unidades sigmoide," tesis doctoral, Universidad de Sevilla, 2013. A. Carvalho, "A cooperative coevolutionary genetic algorithm for learning bayesian network structures," Proceedings of the 13th Annual Genetic and Evolutionary Computation Conference, no. 1, pp. 1131–1138, 2011. https://doi.org/10.1145/2001576.2001729 |
| dc.relation.citationendpage.spa.fl_str_mv |
44 |
| dc.relation.citationstartpage.spa.fl_str_mv |
28 |
| dc.relation.citationissue.spa.fl_str_mv |
2 |
| dc.relation.citationvolume.spa.fl_str_mv |
14 |
| dc.relation.ispartofjournalabbrev.spa.fl_str_mv |
INGE CUC |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| rights_invalid_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.format.extent.spa.fl_str_mv |
17 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Corporación Universidad de la Costa |
| dc.source.spa.fl_str_mv |
INGE CUC |
| institution |
Corporación Universidad de la Costa |
| dc.source.url.spa.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/1701 |
| bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/cfc01115-5d79-41fa-a329-4ce542b27e0c/download https://repositorio.cuc.edu.co/bitstreams/6222728f-5b38-469f-a84e-8280f715d585/download https://repositorio.cuc.edu.co/bitstreams/92cf622c-08a3-4dde-ac26-9eb1c1e5d9f3/download https://repositorio.cuc.edu.co/bitstreams/a6ba8dce-3126-461d-88b4-66712deb221e/download |
| bitstream.checksum.fl_str_mv |
326e337e5daf1e804c689c95e60928d9 8a4605be74aa9ea9d79846c1fba20a33 7c502b84fe7adfe45dbc0d21d02a35d9 a8be999d9066d0be2d49b6295c5e24f9 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
| repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
| _version_ |
1811760672972734464 |
| spelling |
Alvarado Coral, Juan DavidMuñoz España, Elena2019-02-09T16:53:51Z2019-02-09T16:53:51Z2018-09-04J. D. Alvarado Coral y E. Muñoz España, “Sistema anticolisión para invidentes usando redes neuronales evolutivas,” INGE CUC, vol. 14, no. 2, pp. 28-44, 2018. DOI: http://doi.org/10.17981/ingecuc.14.2.2018.03http://hdl.handle.net/11323/2338https://doi.org/10.17981/ingecuc.14.2.2018.0310.17981/ingecuc.14.2.2018.032382-4700Corporación Universidad de la Costa0122-6517REDICUC - Repositorio CUChttps://repositorio.cuc.edu.co/Introducción: El presente artículo muestra el diseño e implementación de un sistema anticolisión para invidentes usando redes neuronales evolutivas. Objetivo: Presentar la implementación de redes neuronales evolutivas en un sistema guía para invidentes en la detección de obstáculos estáticos y en movimiento. Metodología: La metodología empleada se basa en la creación de redes neuronales artificiales a partir del algoritmo genético cooperativo coevolutivo (AGCC), este se encarga de estructurar, modificar y entrenar las redes neuronales. Para ello utiliza la matriz de definición de red (MDR). Para la elaboración de una MDR se toma como base un cromosoma “parte del algoritmo genético”. Una vez este realizada la MDR se crea una red neuronal artificial para luego ser entrenada. Resultados: El programa realizó varias redes neuronales generando en cada ejecución 10 cromosomas, que al ser entrenados con el AGCC y aplicando la cooperatividad, se obtuvieron las mejores redes neuronales anticolisión teniendo en cuenta un tiempo definido, funcionando efectivamente para la detección de obstáculos estáticos y en movimiento. Conclusiones: En el sistema anticolisión para invidentes se observó la eficacia de las redes neuronales en dar una respuesta, detectando objetos tanto estáticos como en movimiento proporcionando seguridad al invidente, evitando colisiones con estos.Introduction− This paper sets forth the design and im-plementation of an anti-collision system for visually-im-paired people using evolutionary artificial neural networks (EANNs).Objective−Present the implementation of evolutionary neural networks in a guide system for the visually-impaired people for the detection of static and moving obstacles.Methodology−The methodology is based on the creation of artificial neural networks from the cooperative co-evo-lutionary genetic algorithm (CCGA), which is responsible for structuring, modifying and training neural networks. It uses the network definition matrix (NDM). The NDM is based on a chromosome which is “part of the genetic algo-rithm”. Once the NDM is generated, an artificial neural network is created in order to be trained. Results− The program accomplished several neural net-works, generating 10 chromosomes in each execution. When the artificial neural networks were trained with the CCGA and the cooperation was included, the best anti-collision neural networks were obtained considering a defi-nite time. Hence, the anti-collision neural networks worked effectively for the detection of physical obstacles whether static or in motion.Conclusions−In this anti-collision system for the visu-ally impaired, the effectiveness of neural networks used to provide a suitable answer when detecting both static and moving objects was observed, thus, delivering security to visually impaired people by avoiding them collisions with objects.Alvarado Coral, Juan David-2a82b814-9975-4a82-8192-9e3a10eeaa7c-0Muñoz España, Elena-8b812b10-a95b-45f8-8378-0d1dd40db0f3-017 páginasapplication/pdfspaCorporación Universidad de la CostaINGE CUC; Vol. 14, Núm. 2 (2018)INGE CUCINGE CUCJ. Mosquera and D. Rodríguez, "Sistema de reconocimiento de obstáculos para movilidad de Invidentes," tesis de pregrado, Universidad del Cauca, 2014.T. Praczyk, "Neural anti-collision system for autonomous surface vehicle," Neurocomputing, vol. 149, pp. 559–572, 2015. https://doi.org/10.1016/j.neucom.2014.08.018D. Curran and C. O'Riordan, "Increasing population diversity through cultural learning," Adaptive Behavior, vol. 14, no. 4, pp. 315–338, 2006. https://doi.org/10.1177/1059712306072335G. Miller, P. Todd, and S. Hegde, "Designing neural networks using genetic algorithms," Proceedings of the 3rd International Conference on Genetic Algorithms, pp. 379–384, 1989.X. Yao and Y. Liu, "A new evolutionary system for evolving artificial neural networks," IEEE transactions on neural networks, vol. 8, no. 3, pp. 694–713, 1997. https://doi.org/10.1109/72.572107N. García, C. Hervás, and J. Mu-oz, "Multi-objective cooperative coevolution of artificial neural networks," Neural Networks, vol. 15, no. 10, pp. 1259–1278, 2002. https://doi.org/10.1016/S0893-6080(02)00095-3K. Ohkura, T. Yasuda, Y. Kawamatsu, Y. Matsumura, and K. Ueda, "MBEANN: Mutation-based evolving artificial neural networks," Neural Networks, pp. 936–945, 2007. https://doi.org/10.1007/978-3-540-74913-4_94A. Azzini and A. Tettamanzi, "A new genetic approach for neural network design and optimization," tesis doctoral, Universidad de Milán, 2008.A. Tallón, "Nuevos modelos de redes neuronales evolutivas para clasificación: aplicación a unidades producto y unidades sigmoide," tesis doctoral, Universidad de Sevilla, 2013.A. Carvalho, "A cooperative coevolutionary genetic algorithm for learning bayesian network structures," Proceedings of the 13th Annual Genetic and Evolutionary Computation Conference, no. 1, pp. 1131–1138, 2011. https://doi.org/10.1145/2001576.20017294428214INGE CUCINGE CUChttps://revistascientificas.cuc.edu.co/ingecuc/article/view/1701Sistema anticolisión para invidentes usando redes neuronales evolutivasArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/acceptedVersioninfo:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Algoritmo genético cooperativo coevolutivoInvidenteSistema anticolisiónMétodo neuroevolutivoRed neuronal artificialCooperative co-evolutionary genetic algorithmVisually impairedAnti-collision systemNeuro-evolutionary methodArtificial neural networkPublicationORIGINALSistema anticolisión para invidentes usando redes neuronales evolutivas.pdfSistema anticolisión para invidentes usando redes neuronales evolutivas.pdfapplication/pdf1296438https://repositorio.cuc.edu.co/bitstreams/cfc01115-5d79-41fa-a329-4ce542b27e0c/download326e337e5daf1e804c689c95e60928d9MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.cuc.edu.co/bitstreams/6222728f-5b38-469f-a84e-8280f715d585/download8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILSistema anticolisión para invidentes usando redes neuronales evolutivas.pdf.jpgSistema anticolisión para invidentes usando redes neuronales evolutivas.pdf.jpgimage/jpeg55244https://repositorio.cuc.edu.co/bitstreams/92cf622c-08a3-4dde-ac26-9eb1c1e5d9f3/download7c502b84fe7adfe45dbc0d21d02a35d9MD54TEXTSistema anticolisión para invidentes usando redes neuronales evolutivas.pdf.txtSistema anticolisión para invidentes usando redes neuronales evolutivas.pdf.txttext/plain55433https://repositorio.cuc.edu.co/bitstreams/a6ba8dce-3126-461d-88b4-66712deb221e/downloada8be999d9066d0be2d49b6295c5e24f9MD5511323/2338oai:repositorio.cuc.edu.co:11323/23382024-09-16 16:42:45.659open.accesshttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.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 |