Show simple item record

dc.contributor.authorAlvarado Alves, Jimy Giomar
dc.date.accessioned2017-03-17T14:36:12Z
dc.date.available2017-03-17T14:36:12Z
dc.date.issued2016
dc.identifier.urihttp://repositorio.unapiquitos.edu.pe/handle/20.500.12737/4320
dc.description.abstractLa principal causa por la que se ha planteado la realización de este trabajo es buscar un mecanismo de selección que permita determinar, no solo aquellas que aportan una mayor cantidad de información de la muestra que describen, sino el máximo número posible de combinaciones diferentes de variables que permitan obtener la solución global, si uno lo más cercano posible. De esta manera la búsqueda no se centra únicamente en el entorno de la solución global, sino que abarca también a las soluciones parciales. Las técnicas de selección de variables pueden ser esencialmente clasificadas en métodos filter o métodos wrapper (Guyon, Elisseefi, & Kaelbling, 2003; Kohavi, 1995). La computación evolutiva (CE) es una de las ramas de la Inteligencia Artificial que se aplica para la resolución de problemas de optimización combinatoria. La CE está inspirada en los mecanismos de evolución biológica propuestos por Darwin, Medel y Lamark. Sin entrar mucho en detalle sobre los estudios que hicieron estos científicos, solo vamos a mencionar brevemente lo que propusieron. Darwin propuso la “Selección natural de los más adaptados“, Medel propuso la “Teoría corpuscular de la herencia” y Lamark propuso la “Herencia de caracteres adquiridos“. Como debes saber muchos de nosotros, el principal problema de la inteligencia artificial es que no tiene una definición fácil o formal, pero para entendernos podemos decir que la inteligencia artificial es una rama que trata de “imitar” a la inteligencia natural y por tanto la computación evolutiva se basa en imitar la evolución biológica tal y como la entendemos hoy en día. Como puedes suponer la CE trata de resolver problemas de optimización combinatoria, con el fin de encontrar el mejor resultado al problema, es decir tal y como pasa en la naturaleza, ya que el gran problema que hay, sobre todo en el entorno animal; es la supervivencia y solo los más fuertes y mejor adaptados al entorno son capaces de sobrevivir y reproducirse; en otras palabras, son los mejores individuos posibles o la mejor solución al problema.es_PE
dc.description.uriTrabajo de suficiencia profesionales_PE
dc.formatapplication/pdfes_PE
dc.language.isospaes_PE
dc.publisherUniversidad de la Amazonía Peruanaes_PE
dc.rightsinfo:eu-repo/semantics/openAccesses_PE
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.sourceUniversidad Nacional de la Amazonía Peruanaes_PE
dc.sourceRepositorio institucional - UNAPes_PE
dc.subjectComputaciónes_PE
dc.subjectEvoluciónes_PE
dc.subjectVariableses_PE
dc.subjectExperiencia profesionales_PE
dc.titleComputación evolutiva para el proceso de selección de variables.es_PE
dc.typeinfo:eu-repo/semantics/bachelorThesises_PE
thesis.degree.disciplineIngeniería de Sistemas e Informáticaes_PE
thesis.degree.grantorUniversidad Nacional de la Amazonía Peruana. Facultad de Ingeniería de Sistemas e Informáticaes_PE
thesis.degree.levelTítulo Profesionales_PE
thesis.degree.nameIngeniero en Sistemas e Informáticaes_PE
thesis.degree.programRegulares_PE
dc.subject.ocdeCiencias de la Computaciónes_PE
dc.subject.ocdehttp://purl.org/pe-repo/ocde/ford#1.02.01es_PE


Files in this item

Thumbnail
Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess