Tendencias de la inteligencia computacional
Publicado
:Número
:Sección
:Licencia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
inteligencia computacional, métodos computacionales, redes bibliométricas, sistemas inteligentes
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.
K. Börner, C. Chen, y K. W. Boyack, “Visualizing knowledge domains”, Annu. Rev. Inf. Sci. Technol., vol. 37, pp. 179–255, 2003 DOI: https://doi.org/10.1002/aris.1440370106
C. Okoli y K. Schabram, “Guide to Conducting a Systematic Literature Review of Information Systems Research”, Work. Pap. Inf. Syst., 2010 DOI: https://doi.org/10.2139/ssrn.1954824
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 DOI: https://doi.org/10.1177/135581960501000110
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 DOI: https://doi.org/10.1111/j.1471-1842.2009.00848.x
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 DOI: https://doi.org/10.1109/FUZZ-IEEE.2015.7338056
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 DOI: https://doi.org/10.3182/20140824-6-ZA-1003.01164
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 DOI: https://doi.org/10.1109/MCI.2015.2501550
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 DOI: https://doi.org/10.1109/TEVC.2015.2457616
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 DOI: https://doi.org/10.1109/WISP.2005.1531623
E. Lakshika y M. Barlow, “Computational Intelligence Approaches to Computational Aesthetics”, 2018, pp. 81–92 DOI: https://doi.org/10.4018/978-1-5225-7368-5.ch007
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 DOI: https://doi.org/10.3390/computation8010015
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 DOI: https://doi.org/10.1007/978-3-642-58930-0_2
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 DOI: https://doi.org/10.1108/aa.2001.21.3.275.1
S. Dick y A. Kandel, Computational Intelligence in Software Quality Assurance, vol. 63. WORLD SCIENTIFIC, 2005 DOI: https://doi.org/10.1142/9789812703477
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 DOI: https://doi.org/10.1002/rnc.893
A.P. Engelbrecht, Computational Intelligence: An Introduction: Second Edition. John Wiley and Sons, 2007 DOI: https://doi.org/10.1002/9780470512517
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 DOI: https://doi.org/10.1016/B978-0-12-804409-4.00007-3
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 DOI: https://doi.org/10.1007/978-3-030-48332-6_8
N. Ansari y N. Hou, Computational Intelligence for Optimization , 1a ed. New York: Springe US, 1997 DOI: https://doi.org/10.1007/978-1-4615-6331-0_1
A. E. Hassanien, A. Abraham, y F. Herrera, Foundations of Computational Intelligence , vol. 2. 2009 DOI: https://doi.org/10.1007/978-3-642-01533-5
A. Kroll y R. Mikut, “Computational Intelligence”, At-Automatisierungstechnik, vol. 56, núm. 7, pp. 335–338, ene. 2008 DOI: https://doi.org/10.1524/auto.2008.9055
R. C. Eberhart y Y. Shi, Computational Intelligence. Elsevier Inc., 2007 DOI: https://doi.org/10.1016/B978-155860759-0/50002-0
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.
K. Börner, C. Chen, y K. W. Boyack, “Visualizing knowledge domains”, Annu. Rev. Inf. Sci. Technol., vol. 37, pp. 179–255, 2003 DOI: https://doi.org/10.1002/aris.1440370106
C. Okoli y K. Schabram, “Guide to Conducting a Systematic Literature Review of Information Systems Research”, Work. Pap. Inf. Syst., 2010 DOI: https://doi.org/10.2139/ssrn.1954824
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 DOI: https://doi.org/10.1177/135581960501000110
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 DOI: https://doi.org/10.1111/j.1471-1842.2009.00848.x
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 DOI: https://doi.org/10.1109/FUZZ-IEEE.2015.7338056
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 DOI: https://doi.org/10.3182/20140824-6-ZA-1003.01164
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 DOI: https://doi.org/10.1109/MCI.2015.2501550
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 DOI: https://doi.org/10.1109/TEVC.2015.2457616
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 DOI: https://doi.org/10.1109/WISP.2005.1531623
E. Lakshika y M. Barlow, “Computational Intelligence Approaches to Computational Aesthetics”, 2018, pp. 81–92 DOI: https://doi.org/10.4018/978-1-5225-7368-5.ch007
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 DOI: https://doi.org/10.3390/computation8010015
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 DOI: https://doi.org/10.1007/978-3-642-58930-0_2
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 DOI: https://doi.org/10.1108/aa.2001.21.3.275.1
S. Dick y A. Kandel, Computational Intelligence in Software Quality Assurance, vol. 63. WORLD SCIENTIFIC, 2005 DOI: https://doi.org/10.1142/9789812703477
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 DOI: https://doi.org/10.1002/rnc.893
A.P. Engelbrecht, Computational Intelligence: An Introduction: Second Edition. John Wiley and Sons, 2007 DOI: https://doi.org/10.1002/9780470512517
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 DOI: https://doi.org/10.1016/B978-0-12-804409-4.00007-3
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 DOI: https://doi.org/10.1007/978-3-030-48332-6_8
N. Ansari y N. Hou, Computational Intelligence for Optimization , 1a ed. New York: Springe US, 1997 DOI: https://doi.org/10.1007/978-1-4615-6331-0_1
A. E. Hassanien, A. Abraham, y F. Herrera, Foundations of Computational Intelligence , vol. 2. 2009 DOI: https://doi.org/10.1007/978-3-642-01533-5
A. Kroll y R. Mikut, “Computational Intelligence”, At-Automatisierungstechnik, vol. 56, núm. 7, pp. 335–338, ene. 2008 DOI: https://doi.org/10.1524/auto.2008.9055
R. C. Eberhart y Y. Shi, Computational Intelligence. Elsevier Inc., 2007 DOI: https://doi.org/10.1016/B978-155860759-0/50002-0
Artículos más leídos del mismo autor/a
- Fernando Rodríguez-Fonseca, Hugo Fernando Castro-Silva, Marling Carolina Cordero-Díaz, Responsabilidad social corporativa: un análisis de caso en asociaciones del sector de restaurantes en Colombia , Mundo FESC: Vol. 11 Núm. s4 (2021)
- Angie Carolina Rodríguez-Parra, Hugo Fernando Castro-Silva, Josué Iván Mesa-Mojica, Análisis del nivel de madurez de la gestión de proyectos en un sector de la construcción colombiano , Mundo FESC: Vol. 11 Núm. S2 (2021)
- Hugo Fernando Castro-Silva, Torcoroma Velásquez-Pérez, Johan Sebastián Méndez-López, Madurez en la gestión de proyectos. Un análisis de tendencias. , Mundo FESC: Vol. 11 Núm. S5 (2021)
- Josué Iván Mesa-Mojica, Hugo Fernando Castro-Silva, Hugo Felipe Salazar-Sanabria, Modelos colaborativos para la gestión de inventarios múltiples. Aplicación en el sector artesanal colombiano , Mundo FESC: Vol. 11 Núm. 21 (2021)
- Juan Camilo Valderrama-Balaguera, Hugo Fernando Castro-Silva, César Augusto Dávila Carrillo, Pronósticos de variables climatológicas mediante los modelos de punto de cambio y Holt-Winters , Mundo FESC: Vol. 11 Núm. S2 (2021)
- Wilmar Antonio Santiago-Carrascal, Torcoroma Velásquez-Pérez, Andrés Mauricio Puentes-Velásquez, Transformación digital en la gestión de datos de las finanzas públicas asociado a la rendición de informes a organismos de control , Mundo FESC: Vol. 11 Núm. 21 (2021)
- Cindy Paola Mantilla-Rivera, Yasser de Jesús Muriel-Perea, Hugo Fernando Castro-Silva, Modelo gerencial orientado a la innovación en las MiPymes de Boyacá - Colombia , Mundo FESC: Vol. 11 Núm. S6 (2021)
- Luisa Fernanda Malaver-Fonseca, Lizeth Fernanda Serrano-Cárdenas, Hugo Fernando Castro-Silva, Iniciativas de innovación social para redistribución de los trabajos de cuidado en los hogares para mujeres rurales , Mundo FESC: Vol. 11 Núm. S5 (2021)
- Fernando Rodríguez-Fonseca, Hugo Fernando Castro-Silva, César Augusto Dávila- Carrillo, Análisis de modelos de gestión del conocimiento , Mundo FESC: Vol. 11 Núm. S6 (2021)