Title: Entrenamiento De Redes Neuronales Recurrentes Para Sistemas Dinámicos Tipo NARMAX Y NOE
Authors: Velásquez, Rudy; Acuña, Gonzalo
Resumo: En este trabajo se lleva a cabo una comparación entre diferentes métodos de entrenamiento de redes neuronales recurrentes para sistemas dinámicos no lineales afectados de diferente manera por un ruido gaussiano de media cero. Dependiendo de la forma en que el ruido afecta al sistema es necesario escoger entre un entrenamiento dirigido o semi-dirigido. Un programa en Matlab® se desarrolló, el cual incluye una adaptación de un algoritmo de gradiente de primer orden para retropropagación en el tiempo en otro de segundo orden tipo Levenberg-Marquardt. Se utilizaron índices estadísticos como el Índice de Adecuación, el Criterio de Akaike (para evaluar la complejidad del modelo) y la Varianza del Error de Predicción. Los resultados revelan que una mala elección del método de entrenamiento deriva en que la Varianza del Error de Predicción es mayor que la varianza del ruido de los datos, el Criterio de Akaike crece al mismo tiempo que el IA levemente disminuye.
Keywords: Retropropagación en el tiempo; Redes Neuronales Recurrentes; Sistemas Dinámicos no Lineales
Pages: 6
Paper as PDF: 50100080.pdf
BibTex file: 50100080.bib