Meta-aprendizaje para AutoML heterogéneo
Journal Title: Ciencias Matemáticas - Year 2023, Vol 36, Issue 1
Abstract
El aprendizaje de máquina automatizado (AutoML) es un área de la Inteligencia Artificial en auge, aunque enfrenta varios desafíos. Este proceso puede ser lento e ineficiente computacionalmente. El meta-aprendizaje, que consiste en aprender de experiencias pasadas mediante algoritmos aplicados a diversos tipos de datos, puede mejorar AutoML al identificar los mejores algoritmos para problemas específicos, acelerando así el proceso y mejorando los resultados. Esta investigación propone una estrategia de meta-aprendizaje para dominios genéricos de aprendizaje automático, capaz de abordar una variedad amplia de problemas mediante la selección de características adecuadas. Se utiliza AutoGOAL como complemento para AutoML, ya que ofrece soluciones efectivas en múltiples dominios y permite crear flujos de algoritmos que generan una base de conocimientos útil para el meta-aprendizaje. El enfoque facilita la adquisición de conocimiento a partir de la ejecución de distintos problemas en AutoGOAL y evalúa el rendimiento de los flujos de algoritmos correspondientes. Con esta información, se desarrolla un modelo que ayuda a descartar flujos inadecuados para futuros problemas. Los resultados experimentales indican que esta estrategia puede reducir significativamente el tiempo de ejecución en AutoGOAL, permitiendo identificar rápidamente flujos erróneos.
Authors and Affiliations
Lia de la Concepción Zerquera Ferrer, Alberto Fernández Oliva, Alejandro Piad Morffis, Suilan Estévez Velarde
Keywords
Related Articles
- EP ID EP751210
- DOI https://doi.org/10.5281/zenodo.14164788
- Views 44
- Downloads 0
Neural networks to remove specular reflections in colposcopic images without prior annotation
Colposcopic images of the cervix are crucial for cervical cancer early detection, but specular reflections (bright areas) in these images can abstruse key portions of them, potentially leading to misdiagnosis. This paper...
Pirámides instrumentales en la enseñanza y aprendizaje del límite funcional
El uso de mapas conceptuales ha sido efectivo en la enseñanza y aprendizaje de diversas ramas de la ciencia. En el presente trabajo se muestra la utilización de las pirámides instrumentales en la Matemática, específicame...
Simulación computacional para la dinámica de enfermedades transmitidas por vectores
En este trabajo se presenta un modelo basado en redes complejas para simular la dinámica de personas y vectores en determinado entorno. El diseño representa a las personas como agentes para analizar su toma de decisiones...
CRYSTAL: Herramienta computacional para la resolución de modelos epidemiológicos definidos por ecuaciones diferenciales ordinarias
El objetivo fundamental de este trabajo es presentar el diseño e implementación de una herramienta computacional para la resolución, análisis y graficado de los modelos epidemiológicos, tipo poblacionales. El programa pe...
XVIII Congreso Internacional de Matemática y Computación, Compumat 2023, La Habana, 2023
En nombre de la Sociedad Cubana de Matemática y Computación (SCMC) se presenta un balance del XVIII Congreso Internacional de Matemática y Computación, Compumat 2023, desarrollado de manera híbrida en la Universidad de L...