96291 20201120151203.0 TAZ-TFM-2020-245 spa Cruellas Labella, Rubén Adaptative learning based on the maintenance of neural organizational invariances Aprendizaje adaptativo basado en el mantenimiento de invariancias organizacionales neuronales Zaragoza Universidad de Zaragoza 2020 by-nc-sa Creative Commons 3.0 http://creativecommons.org/licenses/by-nc-sa/3.0/ Durante las últimas décadas se están utilizando herramientas que vienen de la física para estudiar sistemas biológicos. En estos estudios se ha observado que los sistemas biológicos no se posicionan en una fase u otra, sino que suelen posicionarse en la transición de ambas para mejorar su capacidad de adaptación.<br />En un artículo de la revista Scientific Reports se propone un mecanismo de aprendizaje que genera comportamientos adaptativos, en entornos sencillos, buscando los puntos críticos, que son las transiciones de fase comentadas anteriormente.<br />Este trabajo consiste en replicar el algoritmo de aprendizaje y extender sus resultados en entornos más complejos. Los entornos, que se explicarán en la memoria, son: un robot móvil en un entorno uniforme y en otro irregular, un péndulo con la barra fija y un robot de dos piernas que aprende a andar y a levantarse.<br />En todos los entornos se observa que, simplemente buscando estos puntos críticos, los agentes generan comportamientos interesantes sin haber sido programados para ello. Además, la complejidad de su comportamiento aumenta tal como se aumenta el tamaño de las redes neuronales.<br /><br /> Máster Universitario en Ingeniería Industrial Derechos regulados por licencia Creative Commons González Bedia, Manuel dir. Aguilera Lizarraga, Miguel dir. Universidad de Zaragoza Informática e Ingeniería de Sistemas Lenguajes y Sistemas Informáticos 619915@unizar.es 2942900 http://zaguan.unizar.es/record/96291/files/TAZ-TFM-2020-245.pdf Memoria (spa) oai:zaguan.unizar.es:96291 driver trabajos-fin-master deposita:2020-11-20 TAZ TFM EINA 20200625233000.CREATION_DATE