Estudio, implementación y análisis de nuevos algoritmos de aprendizaje y nuevas medidas de tolerancia al ruido para redes funcionales y neuronales
2011
Esta tesis doctoral esta organizada en dos partes,
En la primera parte de la memoria se presentan nuevos algoritmos para
el aprendizaje de redes de neuronas artificiales con alimentacion hacia
delante. En primer lugar se presenta un nuevo metodo para el aprendizaje
de redes de una capa que permite el entrenamiento de este tipo de sistemas
empleando un sistema de ecuaciones lineales. El metodo propuesto obtiene
siempre el optimo global de la funcion de error y, ademas, presenta una
mayor velocidad de convergencia que los metodos iterativos empleados actualmente
para este tipo de sistemas. Posteriormente, el metodo es mejorado permitiendo
el aprendizaje de las funciones neuronales que, como se muestra en los
experimentos realizados, permite mejorar el rendimiento de la red de neuronas.
A continuacion, se proponen tres nuevos algoritmos para la inicializacion
y el aprendizaje de redes de neuronas multicapa. Los dos primeros metodos
estan basados en el uso de minimos cuadrados para obtener de forma optima
los pesos de todas o alguna de las capas de la red. En concreto, el primero
de ellos esta basado en la retropropagacion de la salida deseada desde
la capa de salida de la red hacia la de entrada y obtener, capa a capa,
los pesos optimos para cada una de ellas. El segundo metodo se basa en
un metodo hibrido que utiliza una regla de optimizacion estandar para las
primeras capas de la red y un sistema de ecuaciones lineales para la ultima
cpa. Este metodo permite mejorar, significativamente, la velocidad de convergencia
de los metodos actuales. Finalmente, el ultimo metodo propuesto emplea
una aproximacion basada en modelos locales que consiste en la division
de un problema complejo en varios subproblemas mas faciles de resolver.
Para ello, se presenta un sistema neuronal hibrido formado por un mapa
autoorganizativo, encargado de obtener los modelos locales, y un conjunto
de redes de neuronas de una capa, entren
Keywords:
- Correction
- Source
- Cite
- Save
- Machine Reading By IdeaReader
0
References
0
Citations
NaN
KQI