Un modelo de red inmunológica artificial basado en métodos de núcleo / A kernel-based model for artificial immune networks
Un modelo de red inmunológica artificial es una técnica bioinspirada de aprendizaje de máquina, que se define utilizando conceptos y principios inmunológicos, principalmente la teoría de red idiotípica. La mayoría de estos modelos siguen el enfoque basado en características, lo cual significa que as...
- Autores:
-
Galeano Hurtas, Juan Carlos
- Tipo de recurso:
- Fecha de publicación:
- 2010
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/6925
- Palabra clave:
- 0 Generalidades / Computer science, information and general works
62 Ingeniería y operaciones afines / Engineering
Aprendizaje de máquina basado en similitud
Computación bioinspirada
Red inmunológica artificial
Métodos de núcleo
Similarity-based machine learning
Bioinspired computing
Artificial
Immune network
Kernel methods
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| Summary: | Un modelo de red inmunológica artificial es una técnica bioinspirada de aprendizaje de máquina, que se define utilizando conceptos y principios inmunológicos, principalmente la teoría de red idiotípica. La mayoría de estos modelos siguen el enfoque basado en características, lo cual significa que asumen una representación vectorial de los datos de entrada. Las técnicas basadas en similitud no asumen una representación particular de los datos de entrada, sino que asumen la existencia de una medida de similitud definida sobre los objetos del dominio del problema. Los métodos de núcleo permiten definir técnicas de aprendizaje basadas en similitud, ya que separan la representación de los datos de la dinámica del algoritmo. Este trabajo presenta una estrategia para construir modelos de redes inmunológicas artificiales, siguiendo el enfoque basado en similitud por medio del uso de conceptos del área de métodos de núcleo. / Abstract. An artificial immune network model is a bioinspired technique to machine learning, which is defined upon some immune concepts and principles, mainly the so-called idiotypic network theory. This kind of models are mostly feature-based techniques, that is, they assume a vector representation of the input data. Similarity-based learning techniques do not assume a particular representation of the input data. Instead of it, they assume the existence of a similarity measure defined on the input space. Kernel methods allow to define similarity-based learning techniques by decoupling data representation from the algorithm dynamics. This work presents a strategy to build artificial immune network models following a similarity-based approach through the use of concepts from kernel methods. |
|---|