ingeniería: aprendiendo lecciones de la 
Abraham Otero Quintana 
Inspiraciones biológicas de la 
madre naturaleza 
Abraham...
Abraham Otero Quintana 
2/75 
1. Introducción 
2. Algoritmos genéticos 
3. Redes neuronales artificiales 
4. Algoritmos bi...
Inspiraciones biológicas de la ingeniería 
• La ciencia a menudo tiene como objetivo estudiar la 
naturaleza. 
• El objeti...
Inspiraciones biológicas de la ingeniería 
• La madre naturaleza ha tenido que “resolver 
problemas” complejos, y a lo lar...
Abraham Otero Quintana 
Índice 
1. Introducción a la inteligencia artificial 
2. Algoritmos genéticos 
3. Redes neuronales...
Algoritmos Genéticos 
• Los algoritmos genéticos son programas 
que “evolucionan”, simulando en cierto 
grado la selección...
Algoritmos Genéticos 
– Problemas de búsqueda (optimización: clasificación, diseño, juegos, 
etc.) 
– Disponemos de un esp...
Algoritmos Genéticos 
• Gregor Mendel (1822) descubre que los 
caracteres se heredan de forma discreta, 
y les llama genes...
Abraham Otero Quintana 
Algoritmos Genéticos 
9/115 
• Walther Flemming 
descubre en 1879 los 
cromosomas. 
• Watson y Cri...
Algoritmos Genéticos 
• Existen dos tipos de mecanismos que condicionan la 
Abraham Otero Quintana 
evolución de una espec...
Algoritmos Genéticos 
• Los algoritmos genéticos fueron propuestos por Holland 
en 1970. 
• Son métodos sistemáticos para ...
Algoritmos Genéticos 
• Codificación: cada individuo (cadena) codifica un 
conjunto de genes (parámetros) en bloques de có...
Abraham Otero Quintana 
13/115 
Recombinación de 1 punto 
100101001110011100011101 
111001101001110110111110 
100101001 
1...
Algoritmos Genéticos 
• Mutación: se define como la variación en uno o más 
elementos del código de un individuo. 
• Es ne...
Algoritmos Genéticos 
1. Cada individuo se evalúa según la función objetivo. 
2. Las que logran mayor puntuación se aparea...
0’60 0111111101101011010 
0’60 1010101101101100011 
0111111101101100011 
1100001101101001001 
Abraham Otero Quintana 
0111...
Algoritmos Genéticos 
• Los algoritmos genéticos echan la red sobre el espacio 
de soluciones. 
• Los distintos individuos...
Abraham Otero Quintana 
Algoritmos Genéticos 
18/115 
• Aplicaciones: 
– Control de redes de distribución de gas. 
– Contr...
Abraham Otero Quintana 
Algoritmos Genéticos 
• Veámoslos en acción: 1D 
(http://cs.felk.cvut.cz/~xobitko/ga/) 
19/115
Abraham Otero Quintana 
Algoritmos Genéticos 
• Veámoslos en acción: 3D 
(http://cs.felk.cvut.cz/~xobitko/ga/) 
20/115
Abraham Otero Quintana 
Algoritmos Genéticos 
• Veámoslos en acción: problema del viajante 
(http://cs.felk.cvut.cz/~xobit...
Abraham Otero Quintana 
Algoritmos Genéticos 
22/115 
• Bibliografía: 
– J. Holland, “Algoritmos genéticos”. Investigación...
Abraham Otero Quintana 
23/75 
1. Introducción 
2. Algoritmos genéticos 
3. Redes neuronales artificiales 
4. Algoritmos b...
Abraham Otero Quintana 
Redes Neuronales 
• Cajal describe por primera vez 
en 1887 los distintos tipos de 
neuronas. 
den...
Redes Neuronales 
• Los contactos entre neuronas se denominan sinapsis, y 
pueden ser de naturaleza química, eléctrica o m...
Abraham Otero Quintana 
Redes Neuronales 
• La conexión entre dos neuronas puede ser excitadora 
o inhibidora de la neuron...
• La plasticidad neuronal hace referencia a la capacidad del 
sistema nervioso de remodelar los contactos entre 
neuronas ...
n 
S 
wixi > θ Σi=1 
1 si 
0 en caso contrario 
Abraham Otero Quintana 
PESO 
x1 
x2 
xn 
actividad aferente 
(entrada) 
S...
Redes Neuronales 
• En el caso más sencillo, la neurona proporciona a la 
salida un valor de activación o de inhibición. 
...
Abraham Otero Quintana 
Redes Neuronales 
• Topología de red:
Abraham Otero Quintana 
Redes Neuronales 
• Tipos de entrenamiento: 
– Supervisado: se le presentan a la red ejemplos de 
...
Abraham Otero Quintana 
• Aplicaciones: 
Redes Neuronales 
– Explotación de datos (data mining). 
– Evaluación en la conce...
• Aplicación militar: reconocimiento de 
formas. 
Una red de Hopfield memorizó aviones o trozos de aviones 
serbios y reco...
Abraham Otero Quintana 
Redes Neuronales 
• Veamos algunos ejemplos: 
– http://www.aispace.org/neural/sample2.html 
34/115
• J. Freeman y D. Skapura, “Redes neuronales: algoritmos, 
aplicaciones y técnicas de programación”. Addison 
Wesley, 1993...
Abraham Otero Quintana 
Índice 
1. Introducción a la inteligencia artificial 
2. Redes neuronales artificiales 
3. Algorit...
Computación Bioinspirada 
• Las colonias hormigas, termitas y abejas, entre otras 
colonias de insectos, constituyen algun...
Computación Bioinspirada 
• Los investigadores en computación se han inspirado 
en el comportamiento social de las colonia...
Computación Bioinspirada 
• Los algoritmos basados en colonias de hormigas se 
inspiran en el comportamiento de las hormig...
Computación Bioinspirada 
• Una avanzadilla de hormigas sale en busca de alimento 
siguiendo direcciones aleatorias. 
Abra...
Computación Bioinspirada 
• Cuando encuentran un obstáculo lo rodean de un modo 
aleatorio (arriba, abajo, izquierda, dere...
Computación Bioinspirada 
• El rastro más corto es más intenso en contenido de 
feromona, y se convierte en preferido. 
Ab...
Computación Bioinspirada 
• Supongamos un sistema basado en una red de 
comunicaciones (red vial, red telefónica, internet...
• Las hormigas realizan tareas como las de clasificar 
• Estos comportamientos todavía no se conocen bien, 
pero se pueden...
• Imaginemos que queremos sentar a mucha gente en un 
banquete. Parece razonable sentar juntos a los conocidos. 
• Podemos...
Computación Bioinspirada 
• Poco a poco se van formando 
los grupos. 
• Algunas utilidades reales de 
clasificación de est...
Computación Bioinspirada 
• Demo: http://www.rennard.org/alife/english/antsgb.html 
Abraham Otero Quintana 
47/115
Abraham Otero Quintana 
Computación Bioinspirada 
48/75 
• Bibliografía: 
– J. Schneider, Swarm intelligence, Communicatio...
Abraham Otero Quintana 
Índice 
1. Introducción a la inteligencia artificial 
2. Redes neuronales artificiales 
3. Algorit...
• Las soluciones de la madre naturaleza no tienen 
que ser siempre las mejores… 
Abraham Otero Quintana 
Conclusiones 
50/...
Abraham Otero Quintana 
Conclusiones 
• Pero a veces pueden ser sorprendentemente 
buenas… y sencillas 
51/75
Abraham Otero Quintana 
http://www.uspceu.com/ 
¿Preguntas? 
Abraham Otero Quintana 
aotero@ceu.es 
52/75
Próxima SlideShare
Cargando en…5
×

Inspiraciones biológicas de la ingeniería: aprendiendo lecciones de la madre naturaleza

329 visualizaciones

Publicado el

Charlaespacio Inspiraciones biológicas de la ingeniería: aprendiendo lecciones de la madre naturaleza

http://www.ingenieriabiomedica.org/

Publicado en: Ingeniería
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
329
En SlideShare
0
De insertados
0
Número de insertados
4
Acciones
Compartido
0
Descargas
5
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.
  • http://home.agh.edu.pl/~vlsi/AI/xor_t/en/main.htm
  • Inspiraciones biológicas de la ingeniería: aprendiendo lecciones de la madre naturaleza

    1. 1. ingeniería: aprendiendo lecciones de la Abraham Otero Quintana Inspiraciones biológicas de la madre naturaleza Abraham Otero Quintana aotero@ceu.es 1/75
    2. 2. Abraham Otero Quintana 2/75 1. Introducción 2. Algoritmos genéticos 3. Redes neuronales artificiales 4. Algoritmos bioinspirados 5. Conclusiones Índice
    3. 3. Inspiraciones biológicas de la ingeniería • La ciencia a menudo tiene como objetivo estudiar la naturaleza. • El objetivo suele ser comprender la naturaleza para tomar ventaja de cómo funciona – Procesos industriales, diseño de nuevos materiales, medios de transporte, predicción de fenómenos metereológicos… Abraham Otero Quintana – Física, química, biología, astronomía, geología… 3/75
    4. 4. Inspiraciones biológicas de la ingeniería • La madre naturaleza ha tenido que “resolver problemas” complejos, y a lo largo de millones de años de evolución ha encontrado soluciones ingeniosas. • En ocasiones estas soluciones pueden ser aplicables en ingeniería para resolver problemas complejos que, si no pudiésemos copiar a la madre naturaleza, quizás incluso no podríamos resolver. Abraham Otero Quintana 4/75
    5. 5. Abraham Otero Quintana Índice 1. Introducción a la inteligencia artificial 2. Algoritmos genéticos 3. Redes neuronales artificiales 4. Algoritmos bioinspirados 5. Conclusiones 5/75
    6. 6. Algoritmos Genéticos • Los algoritmos genéticos son programas que “evolucionan”, simulando en cierto grado la selección natural, y alcanzan a resolver problemas complejos que ni siguiera quienes los crearon comprenden. Abraham Otero Quintana 6/115 JJoohhnn HH.. HHoollllaanndd
    7. 7. Algoritmos Genéticos – Problemas de búsqueda (optimización: clasificación, diseño, juegos, etc.) – Disponemos de un espacio de soluciones previsiblemente complejo y amplio o de muchas restricciones difíciles de representar matemáticamente. – Deseamos encontrar la solución, o la mejor de entre todas. – La búsqueda está guiada por una función objetivo que tratamos de maximizar (juegos) o minimizar (reconocimiento de patrones). Abraham Otero Quintana • Caracterización del problema: 7/115
    8. 8. Algoritmos Genéticos • Gregor Mendel (1822) descubre que los caracteres se heredan de forma discreta, y les llama genes. Abraham Otero Quintana • Charles Darwin (1859) introduce la teoría de la evolución en el libro “El origen de las especies por medio de la selección natural”. 8/115
    9. 9. Abraham Otero Quintana Algoritmos Genéticos 9/115 • Walther Flemming descubre en 1879 los cromosomas. • Watson y Crick descubren en los años 1950 el ADN.
    10. 10. Algoritmos Genéticos • Existen dos tipos de mecanismos que condicionan la Abraham Otero Quintana evolución de una especie: – Mecanismos de disminución de variabilidad: 1. Selección natural. 2. Deriva genética. – Mecanismos de aumento de la variabilidad: 10/115 1. Mutación. 2. Poliploidía. 3. Recombinación. 4. Flujo genético.
    11. 11. Algoritmos Genéticos • Los algoritmos genéticos fueron propuestos por Holland en 1970. • Son métodos sistemáticos para la resolución de problemas de búsqueda y optimización. • Es decir, hallar una solución S={x1,x2,...,xn} tal que F(x1,x2,...,xn) sea máximo o mínimo (según). {x1,x2,...,xn} se codifican en un cromosoma. • Aplican métodos análogos a los de la evolución biológica: selección, reproducción sexual y mutación. Abraham Otero Quintana 11/115
    12. 12. Algoritmos Genéticos • Codificación: cada individuo (cadena) codifica un conjunto de genes (parámetros) en bloques de código. – Se puede demostrar que la codificación sobre la que actúan mejor los algoritmos genéticos es aquella que emplea un alfabeto de tamaño dos. Abraham Otero Quintana 1 0 1 1 0 0 1 0 1 0 0 0 1 1 1 0 1 1 0 0 0 Gen 1 Gen 2 Gen 2 Gen 3 Gen 4 12/115
    13. 13. Abraham Otero Quintana 13/115 Recombinación de 1 punto 100101001110011100011101 111001101001110110111110 100101001 111001101 00111 11001 100101001110011100011101 111001101001110110111110 Recombinación de 2 puntos 100101001110 111001101001 110110111110 011100011101 1100011101 0110111110 Algoritmos Genéticos • Recombinación: se define como el intercambio de subcadenas entre individuos. • Se habla de recombinación de n-puntos, siendo n el número de puntos de corte.
    14. 14. Algoritmos Genéticos • Mutación: se define como la variación en uno o más elementos del código de un individuo. • Es necesario establecer previamente una frecuencia de mutación. Por ejemplo, uno por mil. Abraham Otero Quintana 111001101001110110111110 mutación 11100110101 1110110111110 14/115
    15. 15. Algoritmos Genéticos 1. Cada individuo se evalúa según la función objetivo. 2. Las que logran mayor puntuación se aparean entre sí, Abraham Otero Quintana 15/115 mediante recombinación. 3. Tiene lugar una mutación en una fracción pequeña de la población, con el fin de que no se dé una población uniforme. 4. Es necesario un criterio de finalización.
    16. 16. 0’60 0111111101101011010 0’60 1010101101101100011 0111111101101100011 1100001101101001001 Abraham Otero Quintana 0111111101101011010 1010101101101100011 1100001101101011111 1100001101101011111 16/115 POBLACIÓN INICIAL 0111111101101011010 1010101101101100011 0011101101111101001 1110110101101001000 0000111101101101110 0010010001101001100 0’60 0’60 0’50 0’45 0’30 0’25 0’20 0’10 0101010100101101011 APAREAMIENTO X X X X 0011101101111101001 POBLACIÓN RESULTANTE 1010101101101011010 1100001101101011111 0’70 0’60 0011101101111111111 0’50 0’50 0’50 0’30 0011101101110101001 mutación Algoritmos Genéticos
    17. 17. Algoritmos Genéticos • Los algoritmos genéticos echan la red sobre el espacio de soluciones. • Los distintos individuos de la población exploran distintas zonas del espacio de soluciones. Paralelismo. • Si el problema evoluciona, no es necesario reiniciar la búsqueda. La población constituye un contenedor de conocimiento que puede servir para adaptarse a los cambios. Abraham Otero Quintana 17/115
    18. 18. Abraham Otero Quintana Algoritmos Genéticos 18/115 • Aplicaciones: – Control de redes de distribución de gas. – Control de temperatura de grandes edificios. – Diseño de turbinas. – Diseño de redes neuronales. – Diseño de nuevos fármacos. – Simulación de ecosistemas. Vida artificial. – Aprendizaje. – Minería de datos.
    19. 19. Abraham Otero Quintana Algoritmos Genéticos • Veámoslos en acción: 1D (http://cs.felk.cvut.cz/~xobitko/ga/) 19/115
    20. 20. Abraham Otero Quintana Algoritmos Genéticos • Veámoslos en acción: 3D (http://cs.felk.cvut.cz/~xobitko/ga/) 20/115
    21. 21. Abraham Otero Quintana Algoritmos Genéticos • Veámoslos en acción: problema del viajante (http://cs.felk.cvut.cz/~xobitko/ga/) 21/115
    22. 22. Abraham Otero Quintana Algoritmos Genéticos 22/115 • Bibliografía: – J. Holland, “Algoritmos genéticos”. Investigación y Ciencia, 192, 38-45, 1992. – D. B. Fogel, “What is evolutionary computation?”. IEEE Spectrum, 26-32, 2000. – C. Z. Janikow y D. St. Clair. “Genetics algorithms. Simulating nature’s methods of evolving the best design solution”. IEEE Potentials, 31-35, 1995. – D. B. Fogel. “What is evolutionary computation?”. IEEE Spectrum, 26-32, 2000.
    23. 23. Abraham Otero Quintana 23/75 1. Introducción 2. Algoritmos genéticos 3. Redes neuronales artificiales 4. Algoritmos bioinspirados 5. Conclusiones Índice
    24. 24. Abraham Otero Quintana Redes Neuronales • Cajal describe por primera vez en 1887 los distintos tipos de neuronas. dendritas Estructura de la neurona. 24/115 soma axón
    25. 25. Redes Neuronales • Los contactos entre neuronas se denominan sinapsis, y pueden ser de naturaleza química, eléctrica o mixta. • En una sinapsis química, la llegada de impulso eléctrico provoca la liberación de neurotransmisores, para los que la dendrita postsináptica posee receptores específicos. Abraham Otero Quintana Ejemplo de funcionamiento de una sinapsis química
    26. 26. Abraham Otero Quintana Redes Neuronales • La conexión entre dos neuronas puede ser excitadora o inhibidora de la neurona postsináptica.
    27. 27. • La plasticidad neuronal hace referencia a la capacidad del sistema nervioso de remodelar los contactos entre neuronas y la eficiencia de las sinapsis. Un sistema aprende cuando es capaz de experimentar modificaciones estructurales y/o funcionales que se manifiestan en su comportamiento externo como una mejora en la realización de una tarea. Abraham Otero Quintana Redes Neuronales
    28. 28. n S wixi > θ Σi=1 1 si 0 en caso contrario Abraham Otero Quintana PESO x1 x2 xn actividad aferente (entrada) S=f(θ)= actividad eferente (salida) Redes Neuronales S f(θ) -2 0.2 0.5 SUMADOR FUNCIÓN DE ACTIVACIÓN x1w1 x2w2 xnwn n wixi Σi=1 • Los pesos constituyen la memoria a largo plazo, y su ajuste corresponde a lo que se denominará aprendizaje.
    29. 29. Redes Neuronales • En el caso más sencillo, la neurona proporciona a la salida un valor de activación o de inhibición. • Esto se logra mediante la función de activación. Abraham Otero Quintana 1.0 f f 0.0 t 1.0 0.0 t función escalón función sigmoide
    30. 30. Abraham Otero Quintana Redes Neuronales • Topología de red:
    31. 31. Abraham Otero Quintana Redes Neuronales • Tipos de entrenamiento: – Supervisado: se le presentan a la red ejemplos de clases diferentes. – No supervisado: la red neuronal busca una partición adecuada del espacio de entrada. – Mediante refuerzo: no se le proporciona a la red un conjunto ejemplos, pero sí un refuerzo positivo o negativo según clasifique bien o mal.
    32. 32. Abraham Otero Quintana • Aplicaciones: Redes Neuronales – Explotación de datos (data mining). – Evaluación en la concesión de préstamos hipotecarios. – Verificación de firmas en cheques. – Predicción en la evolución de mercados. – Reconocimiento de formas en percepción visual. – Diagnóstico médico. – Reconocimiento óptico de caracteres. – Filtrado en telecomunicaciones. – Predicción de demanda de consumo eléctrico. – Control adaptativo en procesos industriales.
    33. 33. • Aplicación militar: reconocimiento de formas. Una red de Hopfield memorizó aviones o trozos de aviones serbios y reconoció éste bajo la cola de un avión comercial Abraham Otero Quintana Redes Neuronales
    34. 34. Abraham Otero Quintana Redes Neuronales • Veamos algunos ejemplos: – http://www.aispace.org/neural/sample2.html 34/115
    35. 35. • J. Freeman y D. Skapura, “Redes neuronales: algoritmos, aplicaciones y técnicas de programación”. Addison Wesley, 1993. • G. E. Hinton, “Redes neuronales que aprenden de la experiencia”. Investigación y Ciencia, noviembre 1992. • D. R. Hush y B. Horne, “An overview of neural networks. Part I: static networks”. Informática y Automática, 25(1), 1992. • S. Russell y P. Norvig, “Inteligencia Artificial. Un enfoque moderno”. Prentice Hall, 1996. • P. Isasi e I. Galván, “Redes Neuronales Artificiales. Un enfoque práctico”. Prentice Hall, 2004. Abraham Otero Quintana Redes Neuronales
    36. 36. Abraham Otero Quintana Índice 1. Introducción a la inteligencia artificial 2. Redes neuronales artificiales 3. Algoritmos genéticos 4. Algoritmos bioinspirados 5. Conclusiones 36/75
    37. 37. Computación Bioinspirada • Las colonias hormigas, termitas y abejas, entre otras colonias de insectos, constituyen algunos de los sistemas auto-organizados más interesantes. – Administran eficientemente los recursos de la colonia. – Construyen viviendas complejas. – Realizan cooperativamente tareas como la búsqueda de alimento, enfrentamiento con enemigos, traslado de objetos, etc. • … y lo hacen sin un control central y con una comunicación limitada. • Aparecen comportamientos complicados, coordinados, dirigidos por objetivos a partir de la interacción de múltiples individuos. Abraham Otero Quintana 37/75
    38. 38. Computación Bioinspirada • Los investigadores en computación se han inspirado en el comportamiento social de las colonias de insectos para resolver problemas parecidos. • Se inspiran en los insectos como las RNA se inspiran en la organización del cerebro. • No por imitar a lo natural se obtiene un buen resultado. Se trata de imitar a lo natural en aquello en lo que lo natural obtiene muy buenos resultados. Abraham Otero Quintana 38/75
    39. 39. Computación Bioinspirada • Los algoritmos basados en colonias de hormigas se inspiran en el comportamiento de las hormigas reales. • Las hormigas resuelven sus problemas mediante la cooperación multiagente y una comunicación basada en la modificación del entorno. • Cada hormiga libera una hormona llamada feromona. • Las hormigas prefieren seguir el rastro de las feromonas. • Eso les permite optimizar las rutas a seguir hasta el alimento. Abraham Otero Quintana 39/75
    40. 40. Computación Bioinspirada • Una avanzadilla de hormigas sale en busca de alimento siguiendo direcciones aleatorias. Abraham Otero Quintana 40/75
    41. 41. Computación Bioinspirada • Cuando encuentran un obstáculo lo rodean de un modo aleatorio (arriba, abajo, izquierda, derecha). Abraham Otero Quintana 41/75
    42. 42. Computación Bioinspirada • El rastro más corto es más intenso en contenido de feromona, y se convierte en preferido. Abraham Otero Quintana 42/75
    43. 43. Computación Bioinspirada • Supongamos un sistema basado en una red de comunicaciones (red vial, red telefónica, internet). • Se desea comunicar los puntos A y B. Abraham Otero Quintana 43/75 A B • Hacemos que una avanzadilla de hormigas artificiales recorran la red, dejando menos feromona en los nodos más congestionados. • Las rutas más congestionadas tienen un rastro más débil y se abandonan progresivamente. • Puesto que la feromona se evapora, el método se adapta a la situación actual de la red.
    44. 44. • Las hormigas realizan tareas como las de clasificar • Estos comportamientos todavía no se conocen bien, pero se pueden modelar mediante comportamientos locales probabilistas: 1. Es más probable recoger un artículo cuando difiere de lo que lo Abraham Otero Quintana cadáveres, ordenar la alimentación. 44/115 rodea. 2. Es más probable dejar un artículo entre los que se le parecen. • Podemos resolver nuestros problemas siguiendo esta estrategia. Computación Bioinspirada
    45. 45. • Imaginemos que queremos sentar a mucha gente en un banquete. Parece razonable sentar juntos a los conocidos. • Podemos construir un grafo que representa la relación conocido: une nodos que corresponden a gente que se conoce. • Ponemos encima del grafo y una colonia de hormigas. 1. Cada hormiga recoge un nodo si está rodeado de nodos Abraham Otero Quintana 45/115 desconocidos. 2. Cada hormiga deposita un nodo si está rodeado de nodos conocidos. Computación Bioinspirada
    46. 46. Computación Bioinspirada • Poco a poco se van formando los grupos. • Algunas utilidades reales de clasificación de este tipo de algoritmos pueden ser: Abraham Otero Quintana 46/115 – Diseño de circuitos electrónicos (los componentes electrónicos conectados deben estar cerca) – Gestión eficiente de computadoras paralelas (los procesos con dependencia de datos deben ejecutarse en el mismo procesador).
    47. 47. Computación Bioinspirada • Demo: http://www.rennard.org/alife/english/antsgb.html Abraham Otero Quintana 47/115
    48. 48. Abraham Otero Quintana Computación Bioinspirada 48/75 • Bibliografía: – J. Schneider, Swarm intelligence, Communications of the ACM, 45(8), 62-67.
    49. 49. Abraham Otero Quintana Índice 1. Introducción a la inteligencia artificial 2. Redes neuronales artificiales 3. Algoritmos genéticos 4. Algoritmos bioinspirados 5. Conclusiones 49/75
    50. 50. • Las soluciones de la madre naturaleza no tienen que ser siempre las mejores… Abraham Otero Quintana Conclusiones 50/75
    51. 51. Abraham Otero Quintana Conclusiones • Pero a veces pueden ser sorprendentemente buenas… y sencillas 51/75
    52. 52. Abraham Otero Quintana http://www.uspceu.com/ ¿Preguntas? Abraham Otero Quintana aotero@ceu.es 52/75

    ×