Red Neuronal Pulsante Adaptada al Problema del Camino más Corto

Autores/as

  • Manuel Mejía-Lavalle Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México
  • José Jesús Paredes-Cano Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México
  • Dante Mújica-Vargas Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México
  • Andrea MagadánSalazar Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México

DOI:

https://doi.org/10.30973/progmat/2019.11.2/1

Palabras clave:

Red Neuronal Pulsante, Optimización, Problema de Camino mas corto, Explicitación de Conocimiento, Diseño Paralelo

Resumen

La solución eficiente del problema del camino más corto tiene aplicaciones en áreas tan importantes y actuales como la robótica, las telecomunicaciones, la investigación de operaciones, la teoría de juegos, las redes de computadoras, internet, diseño industrial, fenómenos de transporte, diseño de circuitos electrónicos y otros, por lo que es un tema de gran interés en el área de optimización combinatoria. En el presente trabajo se describe una Red Neuronal Artificial Pulsante capaz de atacar eficientemente el problema del camino más corto entre dos nodos. Una vez que la Red Pulsante encuentra el nodo meta a costo mínimo, se realiza una extracción o Explicitación de Conocimiento de esta Red para recuperar la trayectoria final. Debido al diseño en paralelo de la Red Neuronal aquí presentada, este enfoque de solución puede resultar altamente competitivo, según se observó en la etapa de experimentación a partir de los buenos resultados obtenidos, aún en casos con miles de nodos.

Biografía del autor/a

Manuel Mejía-Lavalle, Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México

Es Doctor en Ciencias Computacionales por el Instituto Tecnológico y de Estudios Superiores de Monterrey (ITESM) y profesor - investigador en el Centro Nacional de Investigación y Desarrollo Tecnológico / TecNM. Pertenece al IEEE habiendo sido presidente del Capítulo de Computación de la Sección Morelos, México en el período 2011-2012. Cuenta con Perfil Deseable PRODEP. Ha pertenecido también al Sistema Nacional de Investigadores, al Sistema Estatal de Investigadores (Morelos), a la Sociedad Mexicana de Inteligencia Artificial, y a la Academia Nacional de Investigación en Ciencias Computacionales. Investiga principalmente en el área de Inteligencia Artificial y de las Redes Neuronales Artificiales.

José Jesús Paredes-Cano, Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México

Actualmente es estudiante de la Maestría en Ciencias Computacionales con especialidad en Inteligencia Artificial en el Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) perteneciente al Tecnológico Nacional de México (TecNM), desarrollando el tema de tesis “Redes neuronales pulsantes como alternativa para la optimización de trayectorias”. Es Ingeniero en Telemática por la Universidad Politécnica del Estado de Guerrero. En 2015 realizó una estadía en el CENIDET con el tema “Comunicación mediante conexión en red de dos motores de inducción trifásicos. Sus áreas de investigación son las Redes Neuronales Artificiales, en especial las de Tercera Generación aplicadas a resolver problemas de optimización.

Dante Mújica-Vargas, Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México

Obtuvo los grados de Dr. en Comunicaciones y Electrónica, así como el de Maestro en Ciencias en Ingeniería Electrónica en la Sección de Estudios de Posgrado e Investigación del Instituto Politécnico Nacional. Es miembro del Sistema Nacional de Investigadores (SNI) nivel I, miembro honorífico del Sistema Estatal de Investigadores (Morelos) y cuenta con el reconocimiento al Perfil Deseable. Ha publicado más de 10 artículos en revistas indizadas en el JCR, principalmente en Springer, Elsevier e IEEE. Su trabajo de investigación está enfocado en el Procesamiento Digital de Imágenes, Aprendizaje Profundo, Agrupamiento Difuso, Aceleración de algoritmos mediante GPU’s, así como Robótica Móvil Probabilística.

Andrea MagadánSalazar, Tecnológico Nacional de México / Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) Interior Internado Palmira SN, 62490 Palmira, Cuernavaca, Morelos, México

Es Doctora en Tecnologías de la Información y Sistemas Informáticos por la Universidad Rey Juan Carlos del país de España, obteniendo el título en el año 2016. Es Maestra en Ciencias, en Ciencias de la Computación, por el Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) perteneciente al Tecnológico Nacional de México (TecNM), en Cuernavaca, Morelos, México, titulada en el año de 1999. Licenciada en Informática por el Instituto Tecnológico de Zacatepec, Morelos, México, con título del año de 1995. Sus áreas de interés son principalmente el Reconocimiento de Patrones, el Aprendizaje de Máquina y la Visión Artificial, entre otras.

Citas

Moustapha, D., Mark, K., Advances in combinatorial optimization, World Scientific, 2016.

Thulasiraman, K., Arumugam, S., et al., Handbook of graph theory, CRC Press, 2016.

Beck, A., First-Order Methods in Optimization, Vol 25 de MOS-SIAM Series on optimization, 2017.

Daniel, G., Principles of artificial neural networks, World Scientific, 2013.

Lindblad, T., Kinser, J., Image processing using pulse-coupled neural networks, Springer, 1998.

Chuanli, Z., Jinzheng, R., Elicitation of decision maker preference by artificial neural networks, IEEE Int.Conf. on Neural networks and brain, 2005. https://doi.org/10.1109/ICNNB.2005.1614956

Ma, Y., Zhan, K., Wang, Z., Applications of pulse–coupled neural networks, Springer, 2011.

Kirk, D., GPU Gems, Addison-Wesley, 2004.

Computer science. Recuperado en abril 2018, de https://cs.stackexchange.com/questions/1151/whereto-get-graphs-to-test-my-search-algorithms-against.

Brinkhoff, T., Recuperado en abril 2018, de https://www.cs.utah.edu/~lifeifei/SpatialDataset.htm .

Syed, U.A., Kunwar, F., Iqbal, M., Guided autowave pulse coupled neural network (GAPCNN) based real time path planning and an obstacle avoidance scheme for mobile robots, Robotics and autonomous systems, 62, 2014, 474-486. https://doi.org/10.1016/j.robot.2013.12.004

Descargas

Publicado

28-06-2019

Cómo citar

Mejía-Lavalle, M., Paredes-Cano, J. J., Mújica-Vargas, D., & MagadánSalazar, A. (2019). Red Neuronal Pulsante Adaptada al Problema del Camino más Corto. Programación matemática Y Software, 11(2), 1–9. https://doi.org/10.30973/progmat/2019.11.2/1

Número

Vol. 11 Núm. 2 (2019): Junio de 2019

Sección

Artículos

Licencia

Derechos de autor 2019 Programación Matemática y Software

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Usted es libre de:

Compartir — compartir y redistribuir el material publicado en cualquier medio o formato.
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.

Bajo las siguientes condiciones:

Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso.
  Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia.