Los sistemas-L desempeñan un papel fundamental en la generación de estructuras recursiva, sin embargo, es difícil encontrar sistemas-L que den como resultado estructuras visualmente atractivas. Investigaciones realizadas han estado orientadas en la búsqueda de algoritmos que intenten generar estructuras realistas como plantas y árboles mediante este tipo de sistemas. Algunas de estas publicaciones, han hecho uso de la programación genética para la evolución automática de sistemas-L que representen árboles junto con una red neuronal convolucional (CNN) para el reconocimiento de determinados tipos de árboles, obteniendo resultados donde es posible engañar a la red por árboles evolucionados mediante la programación genética. [1]

Otra publicación se basa en estudiar el espacio latente de un autocodificador mediante el reconocimiento de los valores de los parámetros de sistemas-L capturados en la parte codificadora, convirtiendo la parte decodificadora en una red neuronal para la generación de iáagenes a partir de parámetros de sistemas-L. [2]

En este trabajo se desarrollaron redes CNN (redes convolucio-nales) y RNN (redes recurrentes) para determinar la calidad de un sistema-L. Para entrenar las redes se usaron tres fuentes de datos:

• Sistemas-L bien conocidos y recolectados de internet.
• Sistemas-L generados por un bot en twitter. La calidad asociada a cada generación fue asignada por el número de "me gustas".
• Sistemas-L generados aleatoriamente y a la que se le asigno una calidad manualmente.