Caracterización de incrustaciones de baja dimensión para la generación de expresiones matemáticas en forma cerrada.

Identificador:  TFG:9481

Handle: https://hdl.handle.net/20.500.11797/TFG9481

Autores:  Svetoslavov Yordanov, David

Resumen:
Este proyecto de fin de grado tiene como objetivo presentar y analizar una serie de experimentos cuantitativos llevados a cabo con el fin de comprender y evaluar mejor el rendimiento de un Autoencoder Variacional Jerárquico (HVAE) en el contexto de la regresión simbólica. El HVAE es un modelo de aprendizaje automático propuesto recientemente que codifica árboles de expresiones en un espacio latente continuo, a partir del cual puede decodificar nuevos árboles. Los experimentos realizados en este proyecto se dividen en dos grupos: caracterización del espacio latente y regresión simbólica. El primer grupo consiste en muestreo aleatorio, recorridos aleatorios y experimentos de reconstrucción de codificación y decodificación. Su objetivo es comprender la estructura del espacio latente y cómo se distribuyen las expresiones codificadas dentro de él. Los experimentos de regresión simbólica se llevarán a cabo utilizando algoritmos sencillos de minimización de errores, que pondrán a prueba la eficacia del HVAE como generador de expresiones plausibles.