Una comparación entre estrategias evolutivas y rprop para la estimación de redes neuronales

Rprop ha sido reconocido como uno de los más poderosos algoritmos para entrenar redes neuronales artificiales; sin embargo, el algoritmo de estrategias de evolución es un fuerte competido para resolver problemas de optimización debido a su capacidad para buscar el óptimo global sin la necesidad de u...

Full description

Autores:: Ortiz Salazar, Diana Marcela
Villa Garzón, Fernán Alonso
Velásquez Henao, Juan David

Tipo de recurso:: Article of journal

Fecha de publicación:: 2007

Institución:: Universidad Nacional de Colombia

Repositorio:: Universidad Nacional de Colombia

Idioma:: spa

Description
Summary:	Rprop ha sido reconocido como uno de los más poderosos algoritmos para entrenar redes neuronales artificiales; sin embargo, el algoritmo de estrategias de evolución es un fuerte competido para resolver problemas de optimización debido a su capacidad para buscar el óptimo global sin la necesidad de usar información sobre el gradiente. En este artículo, se comparan ambos algoritmos usando tres series de tiempo no lineales del mundo real, con el fin de determinar cual algoritmo ofrece mejores resultados en la práctica. Los resultados indican que estrategias de evolución converge más rápido que Rprop al punto de óptima local, pero en la mayoría de los casos los resultados obtenidos con Rprop son mejores en magnitud, aunque en la práctica los valores de la función objetivo son muy cercanos.

Una comparación entre estrategias evolutivas y rprop para la estimación de redes neuronales

Publicaciones similares