Diseño de redes neuronales de funciones de base radial con un enfoque multiobjetivo cooperativo competitivo para la predicción de temperaturas

Abstract

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.