Articulo de referencia

ALOPEX

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 Hart...

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:

Δ Wij(norte)=γ Δ Wij(norte1)Δ R(norte)+ri(norte){\displaystyle \Delta \ W_{ij}(n)=\gamma \ \Delta \ W_{ij}(n-1)\Delta \ R(n)+r_{i}(n)}

dónde:

  • norte0{\displaystyle n\geq 0}es la iteración o paso de tiempo.
  • Δ Wij(norte){\displaystyle \Delta \ W_{ij}(n)}es la diferencia entre el valor actual y el valor anterior de la variable del sistema Wij{\displaystyle \ W_{ij}}en la iteraciónnorte{\displaystyle n}.
  • Δ R(norte){\displaystyle \Delta \ R(n)}es la diferencia entre el valor actual y el valor anterior de la función de respuesta R,{\displaystyle \ R,}en la iteraciónnorte{\displaystyle n}.
  • γ{\displaystyle \gamma }es el parámetro de tasa de aprendizaje(γ <0{\displaystyle (\gamma \ <0}minimizaR,{\displaystyle R,}yγ >0{\displaystyle \gamma \ >0}maximizaR ){\displaystyle R\ )}
  • ri(norte) norte(0,σ 2){\displaystyle r_{i}(n)\sim \ N(0,\sigma \ ^{2})}

Discusión

Básicamente, ALOPEX cambia cada variable del sistema.Wij(norte){\displaystyle W_{ij}(n)}basado en un producto de: el cambio anterior en la variableΔ{\displaystyle \Delta }Wij(norte1){\displaystyle W_{ij}(n-1)}, el cambio resultante en la función de costosΔ{\displaystyle \Delta }R(norte){\displaystyle R(n)}y el parámetro de tasa de aprendizajeγ{\displaystyle \gamma }Además, para encontrar el mínimo absoluto (o máximo), el proceso estocásticorij(norte){\displaystyle r_{ij}(n)}Se agrega (gaussiana u otra) para "empujar" estocásticamente el algoritmo fuera de cualquier mínimo local.

Referencias

  • Harth, E.; Tzanakou, E. (diciembre de 1974). "ALOPEX: Un método estocástico para determinar campos receptivos visuales". Vision Research . 14 (12): 1475– 1482. doi : 10.1016/0042-6989(74)90024-8 . PMID 4446379 .