ALOPEX (abreviatura de "algoritmos de extracción de patrones") es un algoritmo de aprendizaje automático basado en la correlación , propuesto por primera vez por Tzanakou y Harth en 1974.
Principio
En el aprendizaje automático , el objetivo es entrenar un sistema para minimizar una función de coste o (en el caso de ALOPEX) una función de respuesta. Muchos algoritmos de entrenamiento, como la retropropagación , tienen una susceptibilidad inherente a quedarse "atascados" en mínimos o máximos locales de la función de respuesta. ALOPEX utiliza una correlación cruzada de diferencias y un proceso estocástico para superar este problema e intentar alcanzar el mínimo (o máximo) absoluto de la función de respuesta.
Método
ALOPEX, en su forma más simple, se define mediante una ecuación de actualización:
dónde:
- es la iteración o paso de tiempo.
- es la diferencia entre el valor actual y el valor anterior de la variable del sistemaen la iteración.
- es la diferencia entre el valor actual y el valor anterior de la función de respuestaen la iteración.
- es el parámetro de tasa de aprendizajeminimizaymaximiza
Discusión
Básicamente, ALOPEX cambia cada variable del sistema.basado en un producto de: el cambio anterior en la variable, el cambio resultante en la función de costosy el parámetro de tasa de aprendizajeAdemás, para encontrar el mínimo absoluto (o máximo), el proceso estocásticoSe agrega (gaussiana u otra) para "empujar" estocásticamente el algoritmo fuera de cualquier mínimo local.
Referencias
- Algoritmos de clasificación
- Redes neuronales artificiales