Mostrar el registro sencillo del ítem
Algoritmos de Retropropagación con restricciones para la estimación de parámetros de curvas de titulación
dc.contributor.author | Hernández, Jairo | |
dc.contributor.author | Rodríguez, José | |
dc.date.accessioned | 2018-12-11T14:50:24Z | |
dc.date.available | 2018-12-11T14:50:24Z | |
dc.date.issued | 2018 | |
dc.identifier.citation | Artículo de Investigación. Revista Ciencia e Ingeniería. Vol. 39, No. 1, pp. 13-26, diciembre-marzo, 2018 | en_US |
dc.identifier.issn | 1316-7081 | |
dc.identifier.issn | 2244-8780 | |
dc.identifier.uri | http://bdigital2.ula.ve:8080/xmlui/654321/306 | |
dc.description.abstract | En este artículo se propone el diseño y programación en Matlab de los algoritmos de aprendizaje de Retropropagación: Gradiente Conjugado, Quasi-Newton DFP (Davidon, Fletcher y Powell) y BFGS (Broyden, Fletcher, Goldfard y Shanno) , con restricciones de no negatividad, con la finalidad de estimar pesos de una red neuronal de tres capas, tipo “caja gris”, correspondiente a la ecuación de balance de un proceso de titulación de ácidos y bases. La entrada es el pH de la mezcla, la salida (r) es la razón entre el flujo del reagente (titulante) y el del influente (titulado), mientras que los pesos a estimar son las concentraciones de las sustancias presentes en el influente; debido a esto último es precisamente que los pesos no pueden ser negativos. El conjunto de datos (pH,r), son generados computacionalmente. Los algoritmos mencionados se comparan entre sí y también con la función predefinida de Matlab lsqnonneg. Los resultados obtenidos muestran que lsqnonneg es el más rápido en la estimación de los referidos pesos o parámetros. En cuanto a la calidad en la precisión, se puede decir que los algoritmos propuestos toman mayor preponderancia respecto a lsqnonneg a medida que algunas características de los datos suministrados tienden a ser más complejas, tales como escasa muestra de datos para el entrenamiento o alta presencia de ruido | en_US |
dc.language.iso | es | en_US |
dc.publisher | Universidad de Los Andes | en_US |
dc.subject | Red neuronal artificial | en_US |
dc.subject | caja gris | en_US |
dc.subject | estimación de parámetros | en_US |
dc.subject | Retropropagación con restricciones | en_US |
dc.subject | curva de titulación | en_US |
dc.title | Algoritmos de Retropropagación con restricciones para la estimación de parámetros de curvas de titulación | en_US |
dc.title.alternative | Constrained Back propagation algorithms fortitration curves parameter estimation | en_US |
dc.type | Article | en_US |