Computación Adaptativa

This is an implementation of the Ant System algorithm to solve TSP.

Aquí esta mi proyecto

Este artículo nos presenta una forma de asociar redes neuronales, ant colony optimization y particle swarm optimization por medio del framework Computer Networks.La forma en que los asocia me parece bastante interesante y creo que es muy buena, sobre todo porque define muy bien en que consiste el framework de CNs y posteriormente con cada uno de los modelos hace la comparación y muestra (incluso en una tabla) como las características de cada modelo se pueden reducir al framework.También me pareció interesante y sobre todo muy importante los puntos de fast y low scale, los cuales nos permite

El artículo presenta un modelo abstracto para poder estudiar desde una misma plataforma las estructuras que modelan tareas cognitivas. Estas estructuras son las redes neuronales artificiales, la optimización por hormigas y la optimización de enjambre de partículas. Este modelo o generalización se llama Redes de Cómputo. Esto sirve para estudiar similitudes y diferencias entre los 3 modelos.Una red de cómputo se define como C(N,K,a,f) donde N son nodos, K son las aristas y a es el algoritmo que computa la función f. Los nodos y las aristas pueden guardar variables internas.

Una red de computo (computing network) se define de la siguiente forma C(N,K,a,f)

Este Articulo el autor propone un método en el
cual generaliza las Redes Neuronales Artificiales con el fin de poder
compararlas estructuralmente con  Optimización por Colonias de
Hormigas ACO y Optimización por Enjambre de Partículas PSO. Al
definirlas con una estructura equivalente. Las generaliza agrupándolas bajo
un mismo Framework. Si bien llega a la conclusión de que son equivalentes en su
poder de cómputo y en su usabilidad considerando que
la principal diferencia reside en la habilidad del usuario para el uso y el fin

Este documento se refiere al uso de las redes de computo (CNs por sus siglas en inglés) como una representación general de arquitecturas de enjambre y neuronales. Dicha descripción nos  permiten su comparación.

El objetivo de la definición de CNs es más teórico que práctico: comprender las similitudes y diferencias de arquitecturas neuronales y el enjambre, no para mejorar los actuales algoritmos técnicos.

Resumen del artículo Computing Networks.

Con el fin de abstraer y establecer las propiedades comunes entre los sistemas basados en redes neuronales y los basados en enjambres, principalmente aquellas orientadas a la capacidad cognitiva de estos sistemas, el autor propone un modelo generalizado llamado Computing Networks.

El modelo consiste en una tupla de la forma C(N, K, a, f) donde N es un conjunto de nodos y K es un conjunto de aristas o relaciones entre los Nodos N, estos dos conjuntos son usados por un algoritmo a para computar la función f.

Este articulo habla sobre arquitecturas nuronales y de enjambre, en particular deRedes Neuronales Artificiales (ANN), Optimización
por Colonias de Hormigas (ACO)y Optimización por Enjambre de Particulas (PSO), estos modelos son descritos bajo el mismo framework.
Como un principio guía se dice que las arquitecturas de enjambre y neuronales computanfunciones "desconocidas" f, es decir, que
exploran el espacio de fase de la funciónhasta que una f es encontrada de acuerdo a cierto criterio.Se generalizan estas