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

Autores/as

  • Christian Von Lücken Universidad Nacional de Asunción. Facultad Politécnica. San Lorenzo-Paraguay.
  • Manuel Avalos Godoy Universidad Nacional de Asunción. Facultad Politécnica. San Lorenzo-Paraguay.
  • Arturo Ferreira Duarte Universidad Nacional de Asunción. Facultad Politécnica. San Lorenzo-Paraguay.
  • Enrique Dávalos Universidad Nacional de Asunción. Facultad Politécnica. San Lorenzo-Paraguay.

Palabras clave:

Neural Network training, Radial Basis Neural Network, Time series prediction, Competitive cooperative coevolutionary multiobjective algorithm

Resumen


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

Publicado

2020-11-17

Cómo citar

Von Lücken, C., Avalos Godoy, M., Ferreira Duarte, A., & Dávalos, E. (2020). Diseño de redes neuronales de funciones de base radial con un enfoque multiobjetivo cooperativo competitivo para la predicción de temperaturas. Investigaciones Y Estudios - UNA, 9(1), 203-220. Recuperado a partir de https://revistascientificas.una.py/ojs/index.php/rdgic/article/view/266

Número

Sección

ARTÍCULOS CIENTÍFICOS