Sistema genérico de clasificación extendida con aprendizaje hebbiano (GXCS-H) para apoyo a la generación de comportamientos autónomos

Abstract

Los sistemas clasi cadores de aprendizaje LCS, son herramientas de apoyo para los agentes virtuales. Estos sistemas les permite generar comportamientos aut onomos en ambientes virtuales basados en un conjunto de reglas y acciones que hacen posible encontrar una soluci on a un problema dado a trav es de dos tipos de algoritmos: uno de generaci on de reglas y otro para evaluar las existentes por medio del aprendizaje que ellos obtienen. Los LCS generan un resultado aproximado al que espera el usuario, pero su algoritmo de aprendizaje est a lejos de emular el aprendizaje humano, este aprendizaje se logra a trav es de la sinapsis neuronal generada al tomar una decisi on y aprender de ella, la cual puede ser emulada a partir del aprendizaje hebbiano, ya que este se basa en los estudios realizados sobre la conexi on de una red de neuronas cuando ocurre el proceso de sinapsis, el cual da como resultado que el ser humano reaccione con un comportamiento que puede repetir si se ha generado la misma sinapsis con aprendizajes parecidos. A partir de los estudios sobre la sipnasis neuronal y de la necesidad de cambiar el algoritmo de aprendizaje en un sistema clasi cador, se decidi o implementar el aprendizaje hebbiano en el sistema clasi cador de aprendizaje GXCS (Generic eXtended Classi er System) con el objeto de generar comportamientos basados en la sinapsis neuronal.