RESUMEN: Los sistemas inteligentes que actúan de forma autónoma en un ambiente tienen que ser capaces de integrar tres comportamientos básicos: aprendizaje, planificación y ejecución. Esta integración es imprescindible cuando se requiere del sistema un desempeño satisfactorio en ausencia de conocimiento sobre cómo sus acciones pueden afectar el ambiente en el cual funciona o cómo reacciona éste a sus acciones. En este contexto, los sistemas inteligentes autónomos (SIA) deben ser capaces de aprender el comportamiento de su ambiente y estructurar este aprendizaje mediante la formulación de teorías de su funcionamiento (operadores). Por otra parte, deben ser capaces de autoproponerse objetivos y construir planes (a partir de la teoría de funcionamiento del ambiente que han aprendido) para alcanzarlos. En este trabajo, se estudia de qué manera la interacción entre sistemas inteligentes autónomos, que intercambian los operadores aprendidos en un mismo ambiente, mejora el comportamiento individual acelerando la convergencia del aprendizaje y el rendimiento general para alcanzar los objetivos autopropuestos por el SIA

RESUMEN: La Minería de Datos (Data Mining) es la búsqueda de patrones interesantes y de regularidades importantes en grandes bases de datos. El Aprendizaje Automático es el campo de la Ingeniería Informática en el que se estudian y desarrollan algoritmos que implementan los distintos modelos de aprendizaje y su aplicación a la resolución de problemas prácticos. La minería de datos inteligente utiliza métodos de aprendizaje automático para descubrir y enumerar patrones presentes en los datos. Uno de los métodos más conocidos para describir los atributos de una entidad de una base de datos es utilizar un árbol de decisión o de clasificación, que puede transformarse sin inconveniente a un conjunto de reglas de decisión. En este contexto, el propósito de este proyecto es estudiar de que manera la familia TDIDT, que aborda el problema de inducir árboles de decisión, puede utilizarse para descubrir automáticamente reglas de negocio a partir de la información disponible en una base de datos. Se trabajó en particular con los métodos ID3 y C4.5, miembros de dicha familia. El trabajo contempla el diseño, especificación e implementación de un ambiente de minería de datos que integra ambos algoritmos. Además, se desarrolló un método de evaluación de los resultados para determinar la calidad de las reglas obtenidas.

RESUMEN: Este trabajo trata con métodos para encontrar arquitecturas óptimas de red neuronal para aprender problemas particulares. Se utiliza un algoritmo genético para encontrar las arquitecturas adecuadas específicas de un dominio, este algoritmo evolutivo emplea codificación directa y usa el error de la red entrenada como medida de desempeño para guiar la evolución. El entrenamiento de la red se lleva a cabo mediante el algoritmo de retropropagación o back-propagation; se aplican técnicas como la repetición del entrenamiento, la detención temprana y la regularización de la complejidad para mejorar los resultados del proceso evolutivo. El criterio de evaluación se basa en las habilidades de aprendizaje y la precisión para la generalización de las arquitecturas generadas. Los resultados también se comparan con arquitecturas halladas por otros métodos.

Algoritmos Genéticos Aplicados a la Categorización Automática de Documentos
Presentada para Defensa en Abril 2003

RESUMEN: La categorización automática de documentos ha estado recibiendo creciente atención debido al incremento en la cantidad de información disponible en forma electrónica y a la necesidad cada vez mayor de encontrar la información buscada en un tiempo mínimo. Si bien existen numerosos algoritmos para categorizar documentos, todos ellos evaluan un subconjunto pequeño del espacio de posibles soluciones. Esta tesis presenta un algoritmo genético adaptado al problema de categorización de documentos. El algoritmo propuesto introduce 5 nuevos operadores, diseñados específicamente para la resolución del problema de categorización. Los resultados obtenidos demuestran que el algoritmo genético logra explorar el espacio de búsqueda más amplia y eficientemente que los algoritmos previos tomados como referencia.

RESUMEN: En este trabajo se aborda el problema de la detección de cambios de consumo de usuarios de telefonía celular fuera de lo normal, la correspondiente construcción de estructuras de datos que representen el comportamiento reciente e histórico de cada uno de los usuarios, teniendo en cuenta la información que contiene una llamada y lo complejo de la construcción de una función con tantas variables de entrada parametrización no siempre conocida. Si bien existen diferentes formas de detectar fraude, todas ellas trabajan con picos de consumo o reglas fijas, que no siempre indican comportamiento fuera de lo normal. La solución que se presenta utiliza la tecnología de redes neuronales no supervisadas, en particular las redes SOM.

RESUMEN: Una red bayesiana es un grafo acíclico dirigido en el que cada nodo representa una variable y cada arco una dependencia probabilística; son utilizadas para proveer : una forma compacta de representar el conocimiento y métodos flexibles de razonamiento. El obtener una red bayesiana a partir de datos es un proceso de aprendizaje que se divide en dos etapas: el aprendizaje estructural y el aprendizaje paramétrico. En este trabajo se define un método de aprendizaje automático que optimiza las redes bayesianas aplicadas a clasificación mediante la utilización de un método de aprendizaje híbrido que combina las ventajas de las técnicas de inducción de los árboles de decisión (TDIDT - C4.5) con las de las redes bayesianas.

RESUMEN: Los sistemas inteligentes autónomos (SIA) aprenden de su entorno formando teorías sobre cómo el ambiente reacciona a sus acciones. Estas teorías se pueden compartir con otros agentes. Cada SIA utiliza las teorías que ha adquirido para planificar. Esto significa construir planes (secuencias de acciones) que le permitan alcanzar sus objetivos autopropuestos. Para mejorar el desempeño de los SIA alcanzando sus objetivos, es necesario contar con un método que permita estimar la confiabilidad de los planes generados antes de su ejecución. Este proceso se llama ponderación de planes, y ha sido aplicado con éxito en trabajos anteriores. En esta tesis se propone un nuevo algoritmo de ponderación de planes con el objetivo de mejorar el rendimiento (porcentaje de planes exitosos), aumentar la generalidad del conocimiento adquirido y acelerar el proceso de aprendizaje.

RESUMEN: En las carreras de ingeniería se ha observado, la existencia de grandes dificultades en los aprendizajes de los estudiantes que se inician en el estudio de un lenguaje de programación. Esto se evidencia cuando los estudiantes no pueden interpretar los algoritmos debido a su mala preparación previa y a la falta de metodologías de trabajo, por lo que requieren de una guia docente continua. En este contexto, se busca modelar un tutor que permita definir y aplicar una estrategia pedagógica para la enseñanza de las estructuras básicas de programación. Se pretende dar los lineamientos que deben regir el comportamiento del tutor para adaptarse a las necesidades del alumno para que el mismo pueda mejorar su rendimiento en la materia sobre todo en los cursos muy numerosos.

Entrenamiento de Redes Neuronales basado en Algortimos Evolutivos
Presentada para Defensa en Noviembre 2005

RESUMEN: En este trabajo se estudia un método alternativo para el entrenamiento de redes neuronales con conexión hacia delante. Una vez determinada la topología de la red neuronal se utiliza un algoritmo genético para ajustar los pesos de la red neuronal. Se evalúan diferentes variantes de los operadores genéticos para el entrenamiento de las redes neuronales. Los resultados obtenidos por el algoritmo genético son contrastados con los resultados obtenidos por el algoritmo de retropropagación de errores.

Integración de Algoritmos de Inducción y Agrupamiento. Estudio del Comportamiento
Presentada para Defensa en Junio 2007

Mecanismos de Valoración de Reputación en Sistemas Multiagentes. Una arquitectura Flexible
Presentada para Defensa en Diciembre 2007

Identificación de Hábitos de Uso de Sitios Web Utilizando Redes Neuronales
Presentada para Defensa en Febrero 2008

Un Ambiente Integrado de Clasificación, Selección y Ponderación de Reglas Basado en Sistemas Inteligentes
Presentada para Defensa en Febrero 2008