Sistema anticolisión para invidentes usando redes neuronales evolutivas
DOI:
https://doi.org/10.17981/ingecuc.14.2.2018.03Palabras clave:
Algoritmo genético cooperativo coevolutivo, invidente, sistema anticolisión, método neuroevolutivo, red neuronal artificialResumen
Introducción: El presente artículo muestra el diseño e implementación de un sistema anticolisión para invidentes usando redes neuronales evolutivas.
Objetivo: Presentar la implementación de redes neuronales evolutivas en un sistema guía para invidentes en la detección de obstáculos estáticos y en movimiento.
Metodología: La metodología empleada se basa en la creación de redes neuronales artificiales a partir del algoritmo genético cooperativo coevolutivo (AGCC), este se encarga de estructurar, modificar y entrenar las redes neuronales. Para ello utiliza la matriz de definición de red (MDR). Para la elaboración de una MDR se toma como base un cromosoma “parte del algoritmo genético”. Una vez este realizada la MDR se crea una red neuronal artificial para luego ser entrenada.
Resultados: El programa realizó varias redes neuronales generando en cada ejecución 10 cromosomas, que al ser entrenados con el AGCC y aplicando la cooperatividad, se obtuvieron las mejores redes neuronales anticolisión teniendo en cuenta un tiempo definido, funcionando efectivamente para la detección de obstáculos estáticos y en movimiento.
Conclusiones: En el sistema anticolisión para invidentes se observó la eficacia de las redes neuronales en dar una respuesta, detectando objetos tanto estáticos como en movimiento proporcionando seguridad al invidente, evitando colisiones con estos.
Descargas
Citas
J. Mosquera and D. Rodríguez, "Sistema de reconocimiento de obstáculos para movilidad de Invidentes," tesis de pregrado, Universidad del Cauca, 2014. [2] T. Praczyk, "Neural anti-collision system for autonomous surface vehicle," Neurocomputing, vol. 149, pp. 559–572, 2015. https://doi.org/10.1016/j.neucom.2014.08.018
D. Curran and C. O'Riordan, "Increasing population diversity through cultural learning," Adaptive Behavior, vol. 14, no. 4, pp. 315–338, 2006. https://doi.org/10.1177/1059712306072335
G. Miller, P. Todd, and S. Hegde, "Designing neural networks using genetic algorithms," Proceedings of the 3rd International Conference on Genetic Algorithms, pp. 379–384, 1989.
X. Yao and Y. Liu, "A new evolutionary system for evolving artificial neural networks," IEEE transactions on neural networks, vol. 8, no. 3, pp. 694–713, 1997. https://doi.org/10.1109/72.572107
N. García, C. Hervás, and J. Mu-oz, "Multi-objective cooperative coevolution of artificial neural networks," Neural Networks, vol. 15, no. 10, pp. 1259–1278, 2002. https://doi.org/10.1016/S0893-6080(02)00095-3
K. Ohkura, T. Yasuda, Y. Kawamatsu, Y. Matsumura, and K. Ueda, "MBEANN: Mutation-based evolving artificial neural networks," Neural Networks, pp. 936–945, 2007. https://doi.org/10.1007/978-3-540-74913-4_94
A. Azzini and A. Tettamanzi, "A new genetic approach for neural network design and optimization," tesis doctoral, Universidad de Milán, 2008.
A. Tallón, "Nuevos modelos de redes neuronales evolutivas para clasificación: aplicación a unidades producto y unidades sigmoide," tesis doctoral, Universidad de Sevilla, 2013.
A. Carvalho, "A cooperative coevolutionary genetic algorithm for learning bayesian network structures," Proceedings of the 13th Annual Genetic and Evolutionary Computation Conference, no. 1, pp. 1131–1138, 2011. https://doi.org/10.1145/2001576.2001729
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los artículos publicados son de exclusiva responsabilidad de sus autores y no reflejan necesariamente las opiniones del comité editorial.
La Revista INGE CUC respeta los derechos morales de sus autores, los cuales ceden al comité editorial los derechos patrimoniales del material publicado. A su vez, los autores informan que el presente trabajo es inédito y no ha sido publicado anteriormente.
Todos los artículos están bajo una Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional.
English
Español (España)
