Estrategias para el entrenamiento de redes neuronales de números difusos
El propósito de este artículo es presentar estrategias generales de entrenamiento para redes neuronales de números difusos utilizadas en el aprendizaje de sistemas a partir de información lingüística. Se exponen brevemente las principales tendencias en el entrenamiento de este tipo de sistemas y con...
| Main Authors: | , |
|---|---|
| Format: | Article |
| Language: | Spanish |
| Published: |
Universidad Distrital Francisco Jose de Caldas
2014-04-01
|
| Series: | Tecnura |
| Subjects: | |
| Online Access: | http://revistas.udistrital.edu.co/ojs/index.php/Tecnura/article/view/6973/8647 |
| Summary: | El propósito de este artículo es presentar estrategias generales de entrenamiento para redes neuronales de números difusos utilizadas en el aprendizaje de sistemas a partir de información lingüística. Se exponen brevemente las principales tendencias en el entrenamiento de este tipo de sistemas y con base en ellas se proponen nuevas estrategias. La primera de ellas se basa en la retro-propagación del error cuadrático medio en todos los a-cortes para pesos crisp. La segunda hace uso de un algoritmo genético con codificación real para redes con pesos crisp. La tercera consiste en la retro-propagación del error en el valor promedio y la ambigüedad en todos los a-cortes para pesos difusos. Por último, se presenta una basada en la retro-propagación de una medida difusa del error para redes con pesos difusos. Se realiza una etapa experimental en la que se implementan los algoritmos desarrollados junto con algunos de los más representativos reportados en el estado del arte, permitiendo identificar para qué conjuntos de datos particulares resulta útil cada una de las estrategias. Finalmente, se aplican dichas estrategias para la implementación de un sistema de evaluación de impacto ambiental en vertederos. |
|---|---|
| ISSN: | 0123-921X 2248-7638 |