Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
1 Universidad de Guadalajara Centro Universitario de Ciencias Exactas e ingenierías Seminario de Solución de Problemas de Inteligencia Artificial (I7039) Sección: D04 Maestro: José de Jesús Hernández Barragán Alumno: José Luis Serna Serna Código: 218292327 Ejercicio 2 14/05/2021 2 Contenido Objetivo. ............................................................................................................................................. 2 Resultados: ........................................................................................................................................ 3 Algoritmo IWAPSO ....................................................................................................................... 3 Data_nolineal_1. ....................................................................................................................... 3 Data_nolineal_2. ....................................................................................................................... 4 Data_nolineal_3. ....................................................................................................................... 5 Data_nolineal_4. ....................................................................................................................... 6 Algoritmo CFPSO ......................................................................................................................... 7 Data_nolineal_1. ....................................................................................................................... 7 Data_nolineal_2. ....................................................................................................................... 8 Data_nolineal_3. ....................................................................................................................... 9 Data_nolineal_4. ..................................................................................................................... 10 Conclusión. ...................................................................................................................................... 11 Objetivo. El objetivo de la presente practica es utilizar por lo menos dos algoritmos de optimización vistos en clase para optimizar los parámetros de un modelo de regresión polinómica utilizando los datos de los archivos adjuntos: o data_nolineal_1.csv o data_nolineal_2.csv o data_nolineal_3.csv o data_nolineal_3.csv En esta ocasión decidí utilizar los algoritmos de optimización por enjambre de partículas IWAPSO y CFPSO. 3 Resultados: Algoritmo IWAPSO Data_nolineal_1. Coeficiente de regresión y mínimos Gráfica de regresión. 4 Data_nolineal_2. Coeficiente de regresión y mínimos Gráfica de regresión. 5 Data_nolineal_3. Coeficiente de regresión y mínimos Gráfica de regresión. 6 Data_nolineal_4. Coeficiente de regresión y mínimos Gráfica de regresión. 7 Algoritmo CFPSO Data_nolineal_1. Coeficiente de regresión y mínimos Gráfica de regresión. 8 Data_nolineal_2. Coeficiente de regresión y mínimos Gráfica de regresión. 9 Data_nolineal_3. Coeficiente de regresión y mínimos Gráfica de regresión. 10 Data_nolineal_4. Coeficiente de regresión y mínimos Gráfica de regresión. 11 Conclusión. Esta actividad fue muy interesante ya que pude realizar una fusión de algoritmos de optimización con el método de regresión polinómica, pude ver una aplicación muy práctica de lo útil que resulta utilizar algoritmos de optimización para encontrar los valores iniciales del vector w utilizados para la regresión polinómica, para así encontrar el coeficiente de regresión, ya que de otra manera sería muy difícil dar con esos valores. En esta actividad pude constatar la eficacia del método de regresión polinómica, fue muy interesante ver como por medio del cálculo con polinomios de distintos grados nos fuimos aproximando a los datos, con eso pude constatar la importancia que tienen las gráficas para visualizar los datos de una mejor manera, ya que con la gráfica de convergencia vimos cómo fue disminuyendo el error y con la gráfica de la función de regresión se puede ver como inicia la curva lejos de los datos y como se aproxima después cerca de todos estos. Analizando el comportamiento de la gráfica de regresión pude ver que para el data_nolineal_1 era suficiente con un polinomio de grado dos para aproximarse a esa curva con término cuadrático, sin embargo, con los demás data_nolineal no era suficiente con un polinomio de dicho grado. Luego de varias pruebas decidí usar un polinomio de grado cuatro para todos los data_nolineal, de modo que le mandé cinco datos en el vector w, la curva se ajustó bastante bien a los datos en los tres primeros archivos de data_nolineal, sin embargo, en el data_nolineal_4 no se ajustaba de buena manera, así que decidí usar un polinomio de grado cinco, con lo que me dio un buen resultado para dicho archivo, pero solo en ese, para los demás se ajustó mejor el polinomio de grado cuatro. En cuanto a los algoritmos de optimización, los dos tipos que usé se comportaron bastante bien en la búsqueda de los valores para el vector w. Solo en algoritmo CFPSO hice algunos ajustes en los límites para que me diera mejores resultados. Como observación puedo decir que las herramientas que proporciona Matlab facilitan de gran manera la realización de algoritmos y cálculos con funciones, también es así para la realización de gráficas. En general me considero que esta actividad me dejo un saldo positivo en cuanto a conocimientos sobre el comportamiento y mejora de algoritmos, veo que se pueden realizar varios ajustes que mejoren nuestro algoritmo de acuerdo con las necesidades de nuestros cálculos.
Compartir