Aprendizaje automático con algoritmos genéticos y redes neuronales

Resumen

La inteligencia artificial ha crecido exponencialmente desde sus orígenes alrededor de los años 30.

Dentro de la inteligencia artificial encontramos las redes neuronales artificiales, un modelo computacional que surge como analogía de las redes neuronales biológicas, que son capaces de realizar predicciones precisas mediante su entrenamiento con un gran volumen de datos. En este Proyecto de Fin de Grado, se explora el entrenamiento de estas redes neuronales mediante la aplicación de algoritmos genéticos y computación evolutiva, una metodología basada en la teoría de la evolución de Charles Darwin.

El presente Proyecto de Fin de Grado tiene como misión la unión de Unity y estos aspectos de la inteligencia artificial mencionados, mediante el desarrollo de un módulo prototipo que facilita el entrenamiento e incorporación de redes neuronales artificiales.

Para el entrenamiento de estas, se hace uso de algoritmos genéticos y computación evolutiva ofreciendo una amplia gama de parámetros: selección de padres, recombinación, mutación, etc. De esta forma, se permite la dotación de inteligencia a diferentes componentes de un proyecto de Unity.

Con la finalidad de facilitar la lectura y comprensión del proyecto, el documento se estructura en tres grandes bloques. En primer lugar, se dispone de una introducción al mismo, junto con los conceptos del estado del arte necesarios para la correcta comprensión. En segundo lugar, se detalla el diseño e implementación del proyecto. Se finaliza con un conjunto de pruebas que verifican el funcionamiento del prototipo junto con las respectivas conclusiones. Al final del documento se incluyen los anexos y apéndices con información adicional.

Abstract:

Artificial intelligence has grown exponentially since its origins around the 1930s.

Within artificial intelligence we find artificial neural networks, a computational model that emerges as an analogy of biological neural networks, which can make accurate predictions through training with a large volume of data. In this Final Degree Project, the training of these neural networks is explored through the application of genetic algorithms and evolutionary computing, a methodology based on Charles Darwin’s theory of evolution. The purpose of this Final Degree Project is to unite Unity and these aspects of artificial intelligence mentioned before, through the development of a prototype module that facilitates the training and incorporation of artificial neural networks. For their training, genetic algorithms and evolutionary computing are used, offering a wide range of parameters: parent selection, recombination, mutation, etc. In this way, the provision of intelligence to different components of a Unity project is allowed. To facilitate the reading and understanding of the project, the document is structured in three main blocks.

First, there is an introduction to it, along with the concepts of the state of art necessary for correct understanding. Second, the design and implementation of the project is detailed. The document ends with a set of tests that verify the operation of the prototype together with the respective conclusions. Annexes and appendices with additional information are also included at the end of the document.