Técnicas de Inteligencia Artificial basadas en una integración de la lógica simbólica y no-simbólica

Permanent URI for this collection

https://repositorio.uai.edu.ar/handle/123456789/301

Browse

Browsing Técnicas de Inteligencia Artificial basadas en una integración de la lógica simbólica y no-simbólica by Author "Pérez, Gabriela"
  • Item
    Adversarial image generation using genetic algorithms with black-box technique
    (Sociedad Argentina de Informática (SADIO), 2023-10-20) Pons, Claudia Fabiana ; Pérez, Gabriela
    Abstract. Convolutional neural networks are a technique that has demonstrated great success in computer vision tasks, such as image classification and object detection. Like any machine learning model, they have limitations and vulnerabilities that must be carefully considered for safe and effective use. One of the main limitations lies in their complexity and the difficulty of interpreting their internal workings, which can be exploited for malicious purposes. The goal of these attacks is to make deliberate changes to the input data in order to deceive the model and cause it to make incorrect decisions. These attacks are known as adversarial attacks. This work focuses on the generation of adversarial images using genetic algorithms for a convolutional neural network trained on the MNIST dataset. Several strategies are employed, including targeted and untargeted attacks, as well as the presentation of interpretable and non-interpretable images that are unrecognizable to humans but are misidentified and confidently classified by the network. The experiment demonstrates the ability to generate adversarial images in a relatively short time, highlighting the vulnerability of neural networks and the ease with which they can be deceived. These results underscore the importance of developing more secure and reliable artificial intelligence systems capable of resisting such attacks. .
  • Item
    La nueva inteligencia artificial : conceptos básicos y aplicaciones
    (Asociación Química Argentina, 2022-8) Pons, Claudia Fabiana ; Pérez, Gabriela ; Baum, Gabriel
    En este artículo se explican los conceptos teóricos y las nociones intuitivas que conforman a la nueva Inteligencia Artificial, en especial al Aprendizaje de Máquina basado en Redes Neuronales Artificiales. Se recorren sus orígenes y fundamentos. Se describen sus principales aplicaciones y herramientas técnicas. Finalmente se comparten reflexiones acerca de las tendencias tecnológicas en el área y se presentan experiencias de aplicaciones desarrolladas en grupos de investigación de la Universidad Nacional de La Plata.
  • Item
    Uso de la técnica de transfer learning en machine learning para la clasificación de productos en el banco alimentario de La Plata
    (Universidad Tecnológica Nacional, 2021-11) Pons, Claudia Fabiana ; De Luca, Agustín ; Irigoitia, Matías ; Pérez, Gabriela
    La presente investigación analiza la técnica de Transfer Learning en Machine Learning y realiza una comparación de distintos modelos pre-entrenados para facilitar los procesos de ingreso de productos al sistema del Banco Alimentario de La Plata, a partir del reconocimiento de imágenes. Con este fin se construyó un prototipo de aplicación que además de constituir una prueba de concepto de Transfer Learning, brinda una herramienta que facilita el accionar cotidiano del Banco Alimentario, contribuyendo a la meritoria tarea que este lleva adelante.
  • Item
    Variante enfocada en fidelidad de un algoritmo de extracción de reglas en redes neuronales artificiales
    (Sociedad Argentina de Informática (SADIO), 2023-10-12) Pons, Claudia Fabiana ; Jacinto, Milagros ; Moschettoni, Martín ; Pérez, Gabriela
    Las redes neuronales tienen la capacidad de alcanzar altos niveles de precisión en tareas de clasificación, pero su falta de explicabilidad es un claro inconveniente y lleva a denominarlas “cajas negras”. En este artículo, se presenta una modificación del algoritmo RxREN que se centra en la explicabilidad de las redes neuronales generando reglas precisas y fácilmente interpretables. El objetivo de esta modificación es comprender el proceso de decisión de la red neuronal, y para lograrlo, se analiza la relación entre el nivel de abstracción y su fidelidad. Se implementó un algoritmo con tres configuraciones en dos problemas distintos (Iris, WBC) Se analizó cómo el nivel de abstracción de las reglas afecta su fidelidad, buscando reglas precisas y evaluando el impacto del nivel de abstracción. En conclusión, este estudio tiene por objetivo mejorar significativamente la fidelidad de las reglas generadas por el algoritmo, permitiendo a los usuarios entender mejor el proceso de clasificación y además destacar la importancia de considerar el nivel de abstracción al extraer reglas interpretables y fieles.