Regresión no lineal mediante la evolución de modelos Híbridos de Redes Neuronales

El presente trabajo es una primera aproximacion a la formacion de modelos de redes neuronales con unidades ocultas de tipo hibrido (sigmoides, producto) que siendo aproximadores universales, puedan utilizarse como modelos no lineales de regresion cuando las caracteristicas del espacio de las variables independientes lo aconsejen. Dada la dificultad que presenta la aplicacion de algoritmos de aprendizaje de busqueda local para esta tipologia de modelos, se utiliza un algoritmo de programacion evolutiva donde se definen operadores de mutacion especificos. Los experimentos realizados con cuatro funciones de prueba, las tres funciones de Friedman y una propuesta por los autores, muestran resultados muy prometedores en esta direccion.