Diseño de redes neuronales de funciones de base radial con un enfoque multiobjetivo cooperativo competitivo para la predicción de temperaturas
Palabras clave:
Neural Network training, Radial Basis Neural Network, Time series prediction, Competitive cooperative coevolutionary multiobjective algorithmResumen
Este trabajo presenta la utilización de un modelo evolutivo de entrenamiento de Redes Neuronales de Base Radial (Radial Basis Neural Networks - RBNN) para la predicción de temperaturas.
El entrenamiento se realiza en dos etapas bien diferenciadas. En la primera, se obtienen los pesos de la función de base radial (Radial basis function - RBF) y, en una segunda etapa, se utiliza un algoritmo multiobjetivo cooperativo competitivo para determinar los parámetros de cada RBF. El método ha sido aplicado sobre un conjunto de datos de temperatura reales, demostrando resultados similares a los obtenidos por un modelo de entrenamiento que representa el estado del arte en algoritmos bio-inspirados para la predicción de series temporales.
Descargas
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Christian Von Lücken, Manuel Avalos Godoy, Arturo Ferreira Duarte, Enrique Dávalos
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.