Modelo neuro-simbólico para la predicción no supervisada de entornos cambiantes

Resumo

En este trabajo se presenta un sistema híbrido neuro-simbólico, capaz de predecir parámetros en entornos complejos y dinámicos de forma no supervisada. En situaciones en las que no se conocen las relgas que determinan la evolución de un sistema, la predicción de parámetros que caracterizan su comportamiento puede ser una tarea complicada. En estas situaciones, se ha constatado que un modelo híbrido centrado en un sistema de razonamiento basado en instancias puede ofrecer un método más efectivo de realizar predicciones, que el proporcionado por otras técnicas conexionistas o simbólicas. El modelo utiliza un sistema de razonamiento basado en instancias que incorpora una estructura adaptativa de nodos, una red de funciones de base radial y un conjunto de sistemas difusos de tipo Sugeno, con el objetivo de proporcionar una predicción lo más precisa posible. Cada una de estas técnicas, se utiliza en una etapa diferente del ciclo de vida del sistema de razonamiento basado en instancias para recuperar datos históricos, adaptarlos al problema actual y revisar la solución propuesta. La justificación de la hipótesis defendida en este trabajo se hace de forma experimental, presentando la aplicación del modelo propuesto al problema de la predicción de mareas rojas, en las aguas costeras del noroeste de la Península Ibérica. Los resultados obtenidos a partir de los experimentos realizados con el modelo desarrollado, se comparan con distintas técnicas de inteligencia artificial y varios modelos estadísticos, lo que permite el análisis cuantitativo y cualitativo del grado de adaptación del sistema desarrollado al problema propuesto. Por último, y a la vista de los resultados obtenidos, se concluye que la aplicación del modelo híbrido defendido es de especial interés en aquellas situaciones en las que no se dispone de conocimiento suficiente sobre el dominio de interés y la mayor parte de la información disponible es