Estudio, implementación y análisis de nuevos algoritmos de aprendizaje y nuevas medidas de tolerancia al ruido para redes funcionales y neuronales

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