{rfName}
Mu

Investigadores/as Institucionales

Barrios Rolania, DoloresAutor o CoautorManrique, DanielAutor (correspondencia)

Compartir

9 de junio de 2019
Publicaciones
>
Artículo
No

Multilayered neural architectures evolution for computing sequences of orthogonal polynomials

Publicado en: ANNALS OF MATHEMATICS AND ARTIFICIAL INTELLIGENCE. 84 (3-4): 161-184 - 2018-12-01 84(3-4), DOI: 10.1007/s10472-018-9601-2

Autores:

Rolanía, DB; Martínez, GD; Manrique, D
[+]

Afiliaciones

Teoría de Aproximación Constructiva y Aplicaciones. Universidad Politécnica de Madrid - Autor o Coautor
Univ Politecn Madrid, Dept Inteligencia Artificial, ETSI Informat, Madrid, Spain - Autor o Coautor
Univ Politecn Madrid, ETS Ingn Civil, Madrid, Spain - Autor o Coautor
Ver más

Resumen

This article presents an evolutionary algorithm to autonomously construct full-connected multilayered feedforward neural architectures. This algorithm employs grammar-guided genetic programming with a context-free grammar that has been specifically designed to satisfy three important restrictions. First, the sentences that belong to the language produced by the grammar only encode all valid neural architectures. Second, full-connected feedforward neural architectures of any size can be generated. Third, smaller-sized neural architectures are favored to avoid overfitting. The proposed evolutionary neural architectures construction system is applied to compute the terms of the two sequences that define the three-term recurrence relation associated with a sequence of orthogonal polynomials. This application imposes an important constraint: training datasets are always very small. Therefore, an adequate sized neural architecture has to be evolved to achieve satisfactory results, which are presented in terms of accuracy and size of the evolved neural architectures, and convergence speed of the evolutionary process.
[+]

Palabras clave

39a0542c0568q3268t0568t20Artificial neural networksEvolutionary computationFeedforward networksGrammar-guided genetic programmingOptimizationOrthogonal polynomials

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista ANNALS OF MATHEMATICS AND ARTIFICIAL INTELLIGENCE, y aunque la revista se encuentra clasificada en el cuartil Q3 (Agencia WoS (JCR)), su enfoque regional y su especialización en Mathematics, Applied, le otorgan un reconocimiento lo suficientemente significativo en un nicho concreto del conocimiento científico a nivel internacional.

Independientemente del impacto esperado determinado por el canal de difusión, es importante destacar el impacto real observado de la propia aportación.

Según las diferentes agencias de indexación, el número de citas acumuladas por esta publicación hasta la fecha 2026-04-27:

  • WoS: 3
  • Scopus: 3
[+]

Impacto y visibilidad social

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://oa.upm.es/90404/

Como resultado de la publicación del trabajo en el repositorio institucional, se han obtenido datos estadísticos de uso que reflejan su impacto. En términos de difusión, podemos afirmar que, hasta la fecha

  • Visualizaciones: 61
  • Descargas: 46
[+]

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (BARRIOS ROLANIA, MARIA DOLORES) y Último Autor (MANRIQUE GAMO, DANIEL).

el autor responsable de establecer las labores de correspondencia ha sido MANRIQUE GAMO, DANIEL.

[+]

Reconocimientos ligados al ítem

This work was partially supported by research grant MTM2014-54053-P of Ministerio de Economia y Competitividad, Spain.
[+]