Búsqueda de Modelos de Machine Learning con GA-PARSIMONY y su aplicación en proyectos de Ingeniería

Ponente: Fco. Javier Martínez de Pisón Ascacíbar (Grupo EDMANS – Universidad de La Rioja)

Lugar: Seminario Mirian Andrés (Edificio CCT)

Hora: martes 26 de noviembre, 13:00

Resumen: En esta charla se hablará de las experiencias y lecciones aprendidas en algunos proyectos de aprendizaje automático (Machine Learning) en los que ha trabajado el Grupo EDMANS (Engineering Data Mining And Numerical Simulations) para la mejora de procesos industriales, de diseño mecánico o estructural, medioambiental, empresarial, etc. Además, se hablará del uso de la librería para R, denominada “GA-PARSIMONY”; que ha sido desarrollada dentro del propio grupo de investigación. Esta librería permite realizar una búsqueda automática, mediante Algoritmos Genéticos, de las mejores variables y parámetros de cada algoritmo en base a un doble criterio de optimización: precisión y parsimonia. El objetivo final es la obtención de modelos precisos con un bajo número de entradas que los haga robustos ante perturbaciones y ruidos.

Referencias:

– https://github.com/jpison/GAparsimony

– https://cran.r-project.org/web/packages/GAparsimony/index.html

– Urraca, R., Huld, T., Martinez-de-Pison, F.J., Gonzalez-Sendino, R., Aldama, A., Ferreiro-Cabello, J., Fraile-Garcia, E., 2019.
Hybrid methodology based on Bayesian optimization and GA-PARSIMONY to search for parsimony models by combining hyperparameter optimization and feature selection. Neurocomputing, 354, pp. 20-26. DOI: 10.1016/j.neucom.2018.05.136

– Sanz-Garcia, A., Fernandez-Ceniceros, J., Antonanzas-Torres, F., Pernia-Espinoza, A.V., Martinez-de-Pison, F.J., 2015.  GA-PARSIMONY: A GA-SVR approach with feature selection and parameter optimization to obtain parsimonious solutions for predicting temperature settings in a continuous annealing furnace. Applied Soft Computing 35, 23-38.

– Urraca R., Sodupe-Ortega E., Antonanzas E., Antonanzas-Torres F., Martinez-de-Pison, F.J. (2017). Evaluation of a novel GA-based methodology for model structure selection: The GA-PARSIMONY. Neurocomputing, Online July 2017.

– Fernandez-Ceniceros J., Sanz-Garcia A., Antonanzas-Torres F., Martinez-de-Pison F.J. (2015). A numerical-informational approach for characterising the ductile behaviour of the T-stub component. Part 2: Parsimonious soft-computing-based metamodel. Engineering Structures 82, 249-260.

– Antonanzas-Torres F., Urraca R., Antonanzas J., Fernandez-Ceniceros J., Martinez-de-Pison F.J. (2015). Generation of daily global solar irradiation with support vector machines for regression. Energy Conversion and Management 96, 277-286.