Planteamiento de una metodología de medición inferencial mejorada a partir del formalismo de regresión simbólica, un método heurístico de búsqueda

Abstract

Mediante la combinación de conceptos de computación evolutiva y regresión no lineal haciendo uso de métodos de kernel, se logra proponer un algoritmo híbrido de regresión simbólica, útil en la construcción de modelos de inferencia. El presente trabajo describe el camino de investigación recorrido hasta llegar al planteamiento de un algoritmo que, inspirado en el funcionamiento del algoritmo de regresión simbólica original, genera modelos matemáticos que se adaptan a datos experimentales de forma satisfactoria. Con el fin de mostrar la utilidad de esta técnica de modelado, se introduce el concepto de sensórica inferencial y se evalúa el desempeño de la proposición en este contexto. Los modelos matemáticos generados por el algoritmo propuesto muestran una reducción significativa en el valor del error de estimación respecto a modelos obtenidos mediante la ejecución del algoritmo de regresión simbólica original.

Abstract. By combining concepts from evolutionary computing and nonlinear regression using kernel methods, it was possible to propose a hybrid symbolic regression algorithm, useful in the construction of inference models. This document describes the whole procedure followed in order to propose, from the original symbolic regression algorithm operation, an algorithm that generates mathematical models which satisfactorily fit experimental data. The concept of inferential measurements is introduced to corroborate the utility of this modeling technique, and the performance of the proposed algorithm is evaluated in this context. Mathematical models generated by the proposed algorithm show a significant reduction in the estimation error, when compared to those obtained by running the original symbolic regression algorithm.