Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales

Las Redes Neuronales Artificiales (RNA), presentan características de procesamiento de información y cálculo que les otorgan ventajas sobre otros sistemas. En líneas generales, puede decirse que las RNA constituyen sistemas de computación paralelos, distribuidos y adaptativos. Una de las caracter...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Curia, Lisandro, Lavalle, Andrea, Sierra, Enrique
Formato:	Libro book acceptedVersion
Lenguaje:	Español
Publicado:	EDUCO 2007
Materias:	Redes neuronales Modelos predictivos Ciencias de la Computación e Información Ciencias Aplicadas
Acceso en línea:	https://rdi.uncoma.edu.ar/handle/uncomaid/18819
Aporte de:	Repositorio Institucional UNCo de Universidad Nacional del Comahue

id	I22-R178-uncomaid-18819
record_format	dspace
spelling	I22-R178-uncomaid-188192025-07-02T14:05:48Z Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales Curia, Lisandro Lavalle, Andrea Sierra, Enrique Redes neuronales Modelos predictivos Ciencias de la Computación e Información Ciencias Aplicadas Las Redes Neuronales Artificiales (RNA), presentan características de procesamiento de información y cálculo que les otorgan ventajas sobre otros sistemas. En líneas generales, puede decirse que las RNA constituyen sistemas de computación paralelos, distribuidos y adaptativos. Una de las características distintivas de las RNA es su capacidad para aprender de ejemplos, los cuales pueden provenir de modelos y datos históricos disponibles de un problema determinado. En este trabajo, se examinan las principales configuraciones topológicas de las redes MLP, Adaline, RBF y Elman, empleadas para aproximar funciones y analizar y predecir valores futuros. Asimismo, se muestran algunas limitaciones que presentan estos modelos neuronales tradicionales y cómo algunas de ellas pueden ser resueltas mediante modelos y algoritmos combinados, que requieren mayor elaboración, pero que mejoran el rendimiento global de la red. Fil: Curia, Lisandro. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina. Fil: Lavalle, Andrea. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina. Fil: Sierra, Enrique. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina. 2007 2025-07-01T18:05:12Z 2025-07-01T18:05:12Z Libro book acceptedVersion 978-987-604-047-1 https://rdi.uncoma.edu.ar/handle/uncomaid/18819 spa Atribución-NoComercial-CompartirIgual 4.0 https://creativecommons.org/licenses/by-nc-sa/4.0/ application/pdf 150 p. application/pdf EDUCO
institution	Universidad Nacional del Comahue
institution_str	I-22
repository_str	R-178
collection	Repositorio Institucional UNCo
language	Español
topic	Redes neuronales Modelos predictivos Ciencias de la Computación e Información Ciencias Aplicadas
spellingShingle	Redes neuronales Modelos predictivos Ciencias de la Computación e Información Ciencias Aplicadas Curia, Lisandro Lavalle, Andrea Sierra, Enrique Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
topic_facet	Redes neuronales Modelos predictivos Ciencias de la Computación e Información Ciencias Aplicadas
description	Las Redes Neuronales Artificiales (RNA), presentan características de procesamiento de información y cálculo que les otorgan ventajas sobre otros sistemas. En líneas generales, puede decirse que las RNA constituyen sistemas de computación paralelos, distribuidos y adaptativos. Una de las características distintivas de las RNA es su capacidad para aprender de ejemplos, los cuales pueden provenir de modelos y datos históricos disponibles de un problema determinado. En este trabajo, se examinan las principales configuraciones topológicas de las redes MLP, Adaline, RBF y Elman, empleadas para aproximar funciones y analizar y predecir valores futuros. Asimismo, se muestran algunas limitaciones que presentan estos modelos neuronales tradicionales y cómo algunas de ellas pueden ser resueltas mediante modelos y algoritmos combinados, que requieren mayor elaboración, pero que mejoran el rendimiento global de la red.
format	Libro book acceptedVersion
author	Curia, Lisandro Lavalle, Andrea Sierra, Enrique
author_facet	Curia, Lisandro Lavalle, Andrea Sierra, Enrique
author_sort	Curia, Lisandro
title	Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_short	Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_full	Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_fullStr	Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_full_unstemmed	Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_sort	aproximación de funciones y modelos predictivos basados en redes neuronales artificiales
publisher	EDUCO
publishDate	2007
url	https://rdi.uncoma.edu.ar/handle/uncomaid/18819
work_keys_str_mv	AT curialisandro aproximaciondefuncionesymodelospredictivosbasadosenredesneuronalesartificiales AT lavalleandrea aproximaciondefuncionesymodelospredictivosbasadosenredesneuronalesartificiales AT sierraenrique aproximaciondefuncionesymodelospredictivosbasadosenredesneuronalesartificiales
_version_	1840858902482124800

Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales

Ejemplares similares