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:11323/12181
- Palabra clave:
- Cooperative co-evolutionary genetic algorithm
blind
anti-collision system
neuro-evolutionary method
artificial neural network
Algoritmo genético cooperativo coevolutivo
invidente
sistema anticolisión
método neuroevolutivo
red neuronal artificial
- Rights
- openAccess
- License
- INGE CUC - 2018
id |
RCUC2_66d412ac930a758894423a7dc434a2d5 |
---|---|
oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12181 |
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 |
dc.title.translated.eng.fl_str_mv |
Anti-collision system for blind people using evolutionary neural networks |
title |
Sistema anticolisión para invidentes usando redes neuronales evolutivas |
spellingShingle |
Sistema anticolisión para invidentes usando redes neuronales evolutivas Cooperative co-evolutionary genetic algorithm blind anti-collision system neuro-evolutionary method artificial neural network Algoritmo genético cooperativo coevolutivo invidente sistema anticolisión método neuroevolutivo red neuronal artificial |
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.eng.fl_str_mv |
Cooperative co-evolutionary genetic algorithm blind anti-collision system neuro-evolutionary method artificial neural network |
topic |
Cooperative co-evolutionary genetic algorithm blind anti-collision system neuro-evolutionary method artificial neural network Algoritmo genético cooperativo coevolutivo invidente sistema anticolisión método neuroevolutivo red neuronal artificial |
dc.subject.spa.fl_str_mv |
Algoritmo genético cooperativo coevolutivo invidente sistema anticolisión método neuroevolutivo red neuronal artificial |
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.accessioned.none.fl_str_mv |
2018-07-02 00:00:00 2024-04-09T20:14:47Z |
dc.date.available.none.fl_str_mv |
2018-07-02 00:00:00 2024-04-09T20:14:47Z |
dc.date.issued.none.fl_str_mv |
2018-07-02 |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.content.spa.fl_str_mv |
Text |
dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.local.eng.fl_str_mv |
Journal 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/publishedVersion |
dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.issn.none.fl_str_mv |
0122-6517 |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/12181 |
dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.14.2.2018.03 |
dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.14.2.2018.03 |
dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
identifier_str_mv |
0122-6517 10.17981/ingecuc.14.2.2018.03 2382-4700 |
url |
https://hdl.handle.net/11323/12181 https://doi.org/10.17981/ingecuc.14.2.2018.03 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.relation.ispartofjournal.spa.fl_str_mv |
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. [2] 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 [3] 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 [4] 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. [5] 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 [6] 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 [7] 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 [8] A. Azzini and A. Tettamanzi, "A new genetic approach for neural network design and optimization," tesis doctoral, Universidad de Milán, 2008. [9] A. Tallón, "Nuevos modelos de redes neuronales evolutivas para clasificación: aplicación a unidades producto y unidades sigmoide," tesis doctoral, Universidad de Sevilla, 2013. [10] 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.none.fl_str_mv |
43 |
dc.relation.citationstartpage.none.fl_str_mv |
28 |
dc.relation.citationissue.spa.fl_str_mv |
2 |
dc.relation.citationvolume.spa.fl_str_mv |
14 |
dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/1701/1748 |
dc.relation.citationedition.spa.fl_str_mv |
Núm. 2 , Año 2018 : (Julio - Diciembre) |
dc.rights.spa.fl_str_mv |
INGE CUC - 2018 |
dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-sa/4.0/ |
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 |
rights_invalid_str_mv |
INGE CUC - 2018 https://creativecommons.org/licenses/by-nc-sa/4.0/ http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.spa.fl_str_mv |
Universidad de la Costa |
dc.source.spa.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/1701 |
institution |
Corporación Universidad de la Costa |
bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/bfef8938-8e6b-4ebf-b1a0-75f04c50b36d/download |
bitstream.checksum.fl_str_mv |
04331eabc9869909a5bd0e453ace9c2a |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
_version_ |
1828166898562367488 |
spelling |
Alvarado Coral, Juan DavidMuñoz España, Elena2018-07-02 00:00:002024-04-09T20:14:47Z2018-07-02 00:00:002024-04-09T20:14:47Z2018-07-020122-6517https://hdl.handle.net/11323/12181https://doi.org/10.17981/ingecuc.14.2.2018.0310.17981/ingecuc.14.2.2018.032382-4700Introducción: 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 shows the design and implementation of an anti-collision system for blind people using evolutionary artificial neural networks (EANNs).Objective: Present the implementation of evolutionary neural networks in a guide system for the blind in the detection of static and moving obstacles.Method: Methodology is based on the creation of artificial neural networks from the cooperative co-evolutionary genetic algorithm (CCGA), which is responsible for structuring, modifying and training neural networks. It uses the network definition matrix (NDM). NDM is made of a chromosome "chromosome is genetic algorithm part" is taken as the basis. Once is done the NDM, it creates an artificial neural network to be trained.Results: Program carried out several neural networks, and generated 10 chromosomes in each execution. Artificial neural networks were trained with the CCGA and it applies the cooperation, they obtained the best anti-collision neural networks considering a definite time, anti-collision neural networks worked effectively for the detection of physical obstacles and with movement.Conclusions: In the anti-collision system for the blind, we observed the effectiveness of neural networks in giving an answer, detecting both static and moving objects, providing security to the blind, avoiding collisions with objects.application/pdfspaUniversidad de la CostaINGE CUC - 2018https://creativecommons.org/licenses/by-nc-sa/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/1701Cooperative co-evolutionary genetic algorithmblindanti-collision systemneuro-evolutionary methodartificial neural networkAlgoritmo genético cooperativo coevolutivoinvidentesistema anticolisiónmétodo neuroevolutivored neuronal artificialSistema anticolisión para invidentes usando redes neuronales evolutivasAnti-collision system for blind people using evolutionary neural networksArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge CucJ. Mosquera and D. Rodríguez, "Sistema de reconocimiento de obstáculos para movilidad de Invidentes," tesis de pregrado, Universidad del Cauca, 2014. [2] 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 [3] 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 [4] 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. [5] 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 [6] 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 [7] 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 [8] A. Azzini and A. Tettamanzi, "A new genetic approach for neural network design and optimization," tesis doctoral, Universidad de Milán, 2008. [9] A. Tallón, "Nuevos modelos de redes neuronales evolutivas para clasificación: aplicación a unidades producto y unidades sigmoide," tesis doctoral, Universidad de Sevilla, 2013. [10] 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/10.1145/2001576.20017294328214https://revistascientificas.cuc.edu.co/ingecuc/article/download/1701/1748Núm. 2 , Año 2018 : (Julio - Diciembre)PublicationOREORE.xmltext/xml2554https://repositorio.cuc.edu.co/bitstreams/bfef8938-8e6b-4ebf-b1a0-75f04c50b36d/download04331eabc9869909a5bd0e453ace9c2aMD5111323/12181oai:repositorio.cuc.edu.co:11323/121812024-09-17 14:23:36.534https://creativecommons.org/licenses/by-nc-sa/4.0/INGE CUC - 2018metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co |