Tendencias de la inteligencia computacional
Palabras clave:
Inteligencia computacional; Métodos computacionales; Redes bibliométricas; Sistemas inteligentes.Resumen
Este artículo expone aquellos resultados derivados de una revisión sistemática de literatura enfocada al reconocimiento de la inteligencia computacional a nivel mundial. Se constituyó el desarrollo metodológico en cuatro diferentes facetas: - la elaboración de ecuaciones de búsqueda, - la comprobación de la calidad y pertinencia de los documentos, - la elaboración de esquemas para el reconocimiento de las tendencias, - la investigación de confluencias y diferencias. Se examinaron 55 artículos procedentes de las bases de datos de Scopus® y Web of Science®, en el software VOSviewer® para la construcción y visualización de redes bibliométricas y concurrencia de términos; dando como resultado Aprendizaje automático, Clasificación, Inteligencia artificial, Selección de características, Clasificación de algoritmos, Redes neuronales, Sistemas inteligentes entre otras. Este estudio arroja resultados de diversos campos de aprendizaje evolutivo para la recopilación de datos para brindar nuevas y diversas aplicaciones más vertiginosas, permitiendo una optimización de datos y nuevas estrategias u herramientas de predicción.
Descargas
Citas
K. Börner, C. Chen, y K. W. Boyack, “Visualizing knowledge domains”, Annu. Rev. Inf. Sci. Technol., vol. 37, pp. 179–255, 2003
C. Okoli y K. Schabram, “Guide to Conducting a Systematic Literature Review of Information Systems Research”, Work. Pap. Inf. Syst., 2010
M. Dixon-Woods, S. Agarwal, D. Jones, B. Young, y A. Sutton, “Synthesising qualitative and quantitative evidence: a review of possible methods”, J. Heal. Serv. Res. Policy, vol. 10, núm. 1, pp. 45–53, ene. 2005
A. J. Onwuegbuzie, N. L. Leech, y K. M. T. Collins, “Qualitative Analysis Techniques for the Review of the Literature”, 2012
M. J. Grant y A. Booth, “A typology of reviews: an analysis of 14 review types and associated methodologies”, Heal. Inf. Libr. J., vol. 26, núm. 2, pp. 91–108, jun. 2009
A. Christoforou y A. S. Andreou, “A Multilayer Fuzzy Cognitive Maps approach to the cloud adoption decision support problem”, en IEEE International Conference on Fuzzy Systems, 2015, vol. 2015-November, pp. 1–8
S. S. Ge, T. M. Guerra, F. L. Lewis, J. C. Principe, y M. Colnarič, “Computational Intelligence in Control”, IFAC Proc. Vol., vol. 47, núm. 3, pp. 8867–8878, 2014
S. Saeedi, R. Chavarriaga, R. Leeb, y J. D. R. Millan, “Adaptive Assistance for Brain-Computer Interfaces by Online Prediction of Command Reliability”, IEEE Comput. Intell. Mag., vol. 11, núm. 1, pp. 32–39, feb. 2016
L. Wang, Q. Zhang, A. Zhou, M. Gong, y L. Jiao, “Constrained Subproblems in a Decomposition-Based Multiobjective Evolutionary Algorithm”, IEEE Trans. Evol. Comput., vol. 20, núm. 3, pp. 475–480, jun. 2016
V. Piuri, F. Scotti, y M. Roveri, “Computational intelligence in industrial quality control”, en IEEE International Workshop on Intelligent Signal Processing - Proceedings, 2005, pp. 4–9
E. Lakshika y M. Barlow, “Computational Intelligence Approaches to Computational Aesthetics”, 2018, pp. 81–92
M. Frank, D. Drikakis, y V. Charissis, “Machine-learning methods for computational science and engineering”, Computation, vol. 8, núm. 1. MDPI Multidisciplinary Digital Publishing Institute, 01-mar-2020
D.Fogel, “Evolutionary computation - toward a new philosophy of machine intelligence”, 1995
J.C. Bezdek, “Computational Intelligence Defined - By Everyone !”, en Computational Intelligence: Soft Computing and Fuzzy-Neuro Integration with Applications, Springer Berlin Heidelberg, 1998, pp. 10–37
D. Poole, A. Mackworth, y R. Goebel, Computational Intelligence: A Logical Approach. New York: Oxford University Press, 1998
A. Kusiak, “Computational Intelligence in Design and Manufacturing”, Assem. Autom., vol. 21, núm. 3, pp. 275–276, sep. 2001
S. Dick y A. Kandel, Computational Intelligence in Software Quality Assurance, vol. 63. WORLD SCIENTIFIC, 2005
Y. Q. Chen y Z. Yi, “Computational intelligence in control engineering”, Int. J. Robust Nonlinear Control, vol. 14, núm. 12, pp. 1081–1083, ago. 2004
A.P. Engelbrecht, Computational Intelligence: An Introduction: Second Edition. John Wiley and Sons, 2007
D. P. Hudedagaddi y B. K. Tripathy, “Quantum inspired computational intelligent techniques in image segmentation”, en Quantum Inspired Computational Intelligence: Research and Applications, Elsevier Inc., 2017, pp. 233–258
T. Hanne y R. Dornberger, “Adapting the Teaching of Computational Intelligence Techniques to Improve Learning Outcomes”, en Studies in Systems, Decision and Control, vol. 294, Springer, 2021, pp. 113–129
N. Ansari y N. Hou, Computational Intelligence for Optimization , 1a ed. New York: Springe US, 1997
A. E. Hassanien, A. Abraham, y F. Herrera, Foundations of Computational Intelligence , vol. 2. 2009
A. Kroll y R. Mikut, “Computational Intelligence”, At-Automatisierungstechnik, vol. 56, núm. 7, pp. 335–338, ene. 2008
R. C. Eberhart y Y. Shi, Computational Intelligence. Elsevier Inc., 2007
