Máquinas de Boltzmann para la optimización y simulación del aprendizaje

Résumé

ESTA TESIS DOCTORAL ABORDA EL ESTUDIO EXPERIMENTAL DE CIERTOS PROBLEMAS DE OPTIMIZACION COMBINATORIAL Y DE APRENDIZAJE AUTOMATICO DE MANERA ORIGINAL DISEÑANDO PARA SU RESOLUCION MAQUINAS DE BOLTZMANN DE ORDEN SUPERIOR TANTO EN LA ESTRUCTURA DE CONEXIONES COMO EN LA ESTRUCTURA DE VECINOS DEL ESPACIO DE CONFIGURACIONES, TAMBIEN SE AMPLIA LA DEFINICION DE LAS UNIDADES DE MANERA QUE PUEDAN CODIFICARSE PROBLEMAS CON VARIABLES DISCRETA Y CONTINUAS. LA VELOCIDAD DE PROCESO DE LA MAQUINA DE BOLTZMANN SE VE TAMBIEN INCREMENTADA MEDIANTE LA INCORPORACION DE DINAMICAS REGIDAS POR ALGORITMOS DEL TIPO CAMPO MEDIO Y, TAMBIEN, PARA CIERTOS PROBLEMAS DE APRENDIZAJE, MEDIANTE ESTRATEGIA DE CREACION DE ESTADISTICAS QUE NO REQUIEREN ALGORITMOS DE RELAJACION. SE HAN RESUELTO SATISFACTORIAMENTE LOS PROBLEMAS DEL AGENTE DE COMERCIO, DE LA SATISFACIBILIDAD, LOS PROBLEMAS MONKS Y LOS PROBLEMAS NO CONVENCIONALES DE CLARIFICACION.