Testing artificial metaplasticity in MLP applications

Andina, Diego; Marcano-Cedeño, Alexis; Torres, Joaquín J.; Alarcon, M

doi:10.1109/icsmc.2009.5346818

Cited by 2 publications

(5 citation statements)

References 17 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…In the study [25], the artificial metaplasticity on multi layer perception (AMMLP) as a data mining technique is applied for the diabetes disease diagnosis. Artificial metaplasticity is a novel artificial neural network training algorithm inspired on the biological metaplasticity property of neurons and shannon's information theory [28]. The PIMA Indian diabetes data base was used to test the proposed model AMMLP.…”

Section: Other Methodsmentioning

confidence: 99%

A Survey on Data-Mining Technologies for Prediction and Diagnosis of Diabetes

Shivakumar¹,

Alby

2014

2014 International Conference on Intelligent Computing Applications

View full text Add to dashboard Cite

The recent report of WHO shows a remarkable hike in the number of diabetic patients and this will be in the same pattern in the coming decades also. Early identification of diabetes is an important challenge. Data mining has played an important role in diabetes research. Data mining would be a valuable asset for diabetes researchers because it can unearth hidden knowledge from a huge amount of diabetesrelated data. Various data mining techniques help diabetes research and ultimately improve the quality of health care for diabetes patients. This paper provides a survey of data mining methods that have been commonly applied to Diabetes data analysis and prediction of the disease.

show abstract

Section: Other Methodsmentioning

confidence: 99%

A Survey on Data-Mining Technologies for Prediction and Diagnosis of Diabetes

Shivakumar¹,

Alby

2014

2014 International Conference on Intelligent Computing Applications

View full text Add to dashboard Cite

show abstract

“…Aunque con el AMMLP se han obtenido excelentes resultados experimentales, somos conciente de que este algoritmo no es la solución definitiva a los problemas del algoritmo de retropropagación, sin embargo con el mencionado algoritmo se han obtenidos nuevas hipótesis que puede servir de inspiración para estudiar la metaplasticidad biológica desde otro punto de vista. Se ha implementado un modelo neuronal basado en la propiedad biológica de la metaplasticidad y se ha aplicado en un Perceptrón Multicapa [10,11,12,184,185].…”

Section: Conclusionesunclassified

“…Para demostrar la capacidad de generalización del algoritmo AMMLP, este ha sido aplicado a diferentes bases datos estándar usadas en la clasificación de patrones (iris, vino, cáncer de mama de wisconsin e ionosfera). Los resultados obtenidos por el AMMLP fueron iguales o superiores a los obtenidos por otros investigados que han usado estas mismas bases de datos en sus estudios [184].…”

Section: Contribucionesunclassified

“…Los parámetros relacionados con la metaplasticidad (A y B ) del algoritmo AMMLP fueron optimizados en todas las bases de datos utilizadas en esta tesis y los valores obtenidos pueden ser utilizados como una primera aproximación en futuras aplicaciones [11,12,184,185].…”

Section: Contribucionesunclassified

“…Además, alcanza un alto nivel de exactitud en la clasificación. Con esta eficacia el AMMLP parece mejorar al MLP y al resto de los algoritmos 8.2 Líneas Futuras de Investigación de clasificación en todas las aplicaciones [11,12,184,185].…”

Section: Contribucionesunclassified

See 2 more Smart Citations

Un modelo neuronal basado en la metaplasticidad para la clasificación de objetos en señales 1-d y 2-d

Cedeño¹

View full text Add to dashboard Cite

El Algoritmo de Retropropagación (Algoritmo Backpropagation, ABP), es uno de los algoritmos más conocidos y utilizados para el entrenamiento de las Redes Neuronales Artificiales, RNAs. El ABP ha sido empleado con éxito en problemas de clasificación de patrones en áreas como: Medicina, Bioinformática, Telecomunicaciones, Banca, Predicciones Climatológicas, etc. Sin embargo el ABP tiene algunas limitaciones que le impiden alcanzar un nivel óptimo de eficiencia (problemas de lentitud, convergencia y de exactitud en la clasificación). Estos problemas han dado lugar a un gran número investigaciones para mejorar al mencionado algoritmo. Pero a pesar de todas las modificaciones y mejoras propuestas para el ABP, todavía no existe una solución optima, que se pueda aplicar a todos los problemas.En esta Tesis Doctoral se propone una alternativa para mejorar algunas de las deficiencias del ABP. El algoritmo propuesto, es una aplicación de un modelo neuronal basado en la propiedad biológica de la Metaplasticidad. La Metaplasticidad es un concepto biológico ampliamente conocido y usado en muchos campos relacionados con la Biología, Neuro-Biología, Psicología, Neurología y Neuro-Fisiología entre otros. La Metaplasticidad está relacionada con los procesos de la memoria y del aprendizaje.Una de las ventajas del algoritmo propuesto de la Metaplasticidad Artificial (Artificial Metaplasticity, AMP) es que, se puede implementar en cualquier RNA, en esta tesis, se implementó por primera vez para diversas aplicaciones multidisciplinarias en un Perceptron Multicapa (Multilayer Perceptron, MLP). De todos los modelos AMP probados en la literatura, el modelo más eficiente (en función del tiempo de aprendizaje y rendimiento) es el enfoque que conecta la metaplasticidad con la Teoría de la información de Shannon, que establece que los patrones menos frecuentes tienen más información que los patrones más frecuentes. Este modelo deiii fine la metaplasticidad artificial como un procedimiento de aprendizaje que produce una mayor modificación en los pesos sinápticos de los patrones menos frecuentes que de los patrones más frecuentes, como una forma de extraer más información de los primeros que de los últimos.El modelo de la Metaplasticidad Artificial en un Percentrón Multicapa (Artificial Metaplasticity on Percentrón Multilayer, AMMLP) se aplicado en la fase de entrenamiento de las RNAs. Durante esta fase, el algoritmo AMMLP a dado más relevancia a los patrones menos frecuentes y se ha restado importancia a los más frecuentes, asegurando así un entrenamiento más eficaz, mientras se mantiene el rendimiento del MLP.El algoritmo propuesto AMMLP se ha aplicado a diferentes problemas relacionados con la clasificación de patrones en distintas áreas (Médica, Finanzas e Industriales), demostrando en todos los casos ser superior en términos de exactitud en la clasificación, velocidad de convergencia, fiabilidad y bajo coste computacional a los algoritmos propuestos recientemente por otros investigadores y que han sido comparados en esta tesis.

show abstract

Testing artificial metaplasticity in MLP applications

Cited by 2 publications

References 17 publications

A Survey on Data-Mining Technologies for Prediction and Diagnosis of Diabetes

A Survey on Data-Mining Technologies for Prediction and Diagnosis of Diabetes

Un modelo neuronal basado en la metaplasticidad para la clasificación de objetos en señales 1-d y 2-d

Contact Info

Product

Resources

About