Abstract
El objetivo fundamental de esta tesis de fin de máster es la construcción de un algoritmo de generación automática de sistemas basados en reglas mediante técnicas evolutivas, y su aplicación a la resolución del problema de detección de lesiones de rodilla a partir de curvas isocinéticas.
Se presentan dos técnicas diferentes de generación de sistemas basados en reglas a través de programación genética guiada por gramáticas: la primera genera directamente sistemas basados en reglas y la segunda genera indirectamente sistemas basados en reglas difusas representados a través de redes de neuronas difusas. Se introduce un sistema de codificación de individuos específico de cada técnica, una gramática libre de contexto que permite la generación de individuos sujetos a dicha codificación y un método de evaluación de individuos especializado para el problema de detección de lesiones de rodilla.
Asimismo, se presenta un nuevo método de análisis de series temporales de longitud variable que permite convertir una curva isocinética en un vector de dimensión finita, procesable por los generadores automáticos de sistemas basados en reglas.
La aplicación de las técnicas desarrolladas en esta tesis permite la construcción de sistemas basados en reglas y sistemas basados en reglas difusas, a partir de un conjunto de datos de entrenamiento pertenecientes a un dominio de aplicación cualquiera. Estas técnicas permiten la generación de bases de conocimiento de forma automática reduciendo el coste asociado a los métodos tradicionales de educción de conocimientos, los cuales son altamente dependientes del experto del dominio. Los resultados de investigación presentados en este trabajo suponen un avance dentro del área relacionada con la construcción de sistemas inteligentes robustos: sistemas capaces de adaptarse a diferentes dominios o a los cambios que se puedan producir, facilitando el proceso de mantenimiento y actualización constante de una base de conocimiento.
