Mostrar el registro sencillo del ítem
dc.contributor.author
Rojas, Matias Gabriel
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Olivera, Ana Carolina
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Vidal, Pablo Javier
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2024-02-28T13:50:24Z
dc.date.issued
2023-12
dc.identifier.citation
Rojas, Matias Gabriel; Olivera, Ana Carolina; Vidal, Pablo Javier; A genetic operators-based Ant Lion Optimiser for training a medical multi-layer perceptron; Elsevier Science; Applied Soft Computing; 151; 111192; 12-2023; 1-24
dc.identifier.issn
1568-4946
dc.identifier.uri
http://hdl.handle.net/11336/228809
dc.description.abstract
The immense amount of data managed during the diagnosis process overwhelms, by far, the clinicians’ processing capabilities. Artificial intelligence methods like Multi-Layer Perceptrons come to help by providing a second opinion based on powerful and reliable data processing. Unfortunately, these methods often suffer from problems related to their training methods, which can lead to poor performance. Metaheuristics are promising training alternatives because of their stochastic and general-purpose nature. This work introduces a new training method based on metaheuristics, called Genetic Ant Lion Optimiser. It includes new features for dealing with the convergence problems of the original Ant Lion Optimiser and integrates a novel crossover operator for avoiding stagnation. Experiments compare our proposal against 31 state-of-the-art algorithms, over 20 different medical datasets. Classification quality metrics reflect that our approach attains a robust and efficient behaviour with the majority of the datasets, obtaining highlighted results, such as an accuracy of 1.0 with the kidney dataset (bi-class) and 0.943 with the lung-cancer dataset (multi-class). Besides, it reaches adequate convergence rates and reasonable time consumption.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Elsevier Science
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
dc.subject
GENETIC ANT LION OPTIMISER
dc.subject
MEDICAL DATA CLASSIFICATION
dc.subject
METAHEURISTICS
dc.subject
MULTI-LAYER PERCEPTRON
dc.subject
TRAINING METHODS
dc.subject.classification
Ciencias de la Información y Bioinformática
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ciencias de la Computación e Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
A genetic operators-based Ant Lion Optimiser for training a medical multi-layer perceptron
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2024-02-28T12:15:56Z
dc.journal.volume
151
dc.journal.number
111192
dc.journal.pagination
1-24
dc.journal.pais
Países Bajos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Amsterdam
dc.description.fil
Fil: Rojas, Matias Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Interdisciplinario de Ciencias Básicas. - Universidad Nacional de Cuyo. Instituto Interdisciplinario de Ciencias Básicas; Argentina
dc.description.fil
Fil: Olivera, Ana Carolina. Universidad Nacional de Cuyo. Facultad de Ingeniería; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Interdisciplinario de Ciencias Básicas. - Universidad Nacional de Cuyo. Instituto Interdisciplinario de Ciencias Básicas; Argentina
dc.description.fil
Fil: Vidal, Pablo Javier. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Interdisciplinario de Ciencias Básicas. - Universidad Nacional de Cuyo. Instituto Interdisciplinario de Ciencias Básicas; Argentina. Universidad Nacional de Cuyo. Facultad de Ingeniería; Argentina
dc.journal.title
Applied Soft Computing
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/pii/S1568494623012103
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.1016/j.asoc.2023.111192
Archivos asociados