Optimización para Redes Neuronales
Las Redes neuronales artificiales tratan de reproducir el proceso de solución de problemas del cerebro, una red neuronal toma como ejemplos problemas resueltos para poder construir un sistema de toma de decisiones y realizar calificaciones. Estas características de poder aprender de ejemplos o...
Guardado en:
| Autores principales: | , , , |
|---|---|
| Formato: | Artículo acceptedVersion |
| Lenguaje: | Español |
| Publicado: |
2023
|
| Materias: | |
| Acceso en línea: | http://hdl.handle.net/20.500.12272/8079 |
| Aporte de: |
| Sumario: | Las Redes neuronales artificiales tratan de
reproducir el proceso de solución de problemas del
cerebro, una red neuronal toma como ejemplos
problemas resueltos para poder construir un
sistema de toma de decisiones y realizar
calificaciones. Estas características de poder
aprender de ejemplos o problemas resueltos las
hacen una solución óptima cuando se trabaja con
modelos de predicción.
El objetivo a futuro de esta investigación es poder
aplicar redes neuronales en el modelo paralelo de
predicción de incendios utilizado en el laboratorio
LICPaD. En este modelo se trabaja constantemente
con la incertidumbre de variables, lo que dificulta
una predicción óptima. Al implementar redes
neuronales en el modelo, se buscará que este logre
una mejor toma de decisiones sobre las variables
según qué peso tienen estas en el incendio a
predecir.
Para poder aplicarlo a este modelo buscando
mejorar el tiempo y calidad de resultados, se busca
paralelizarlo de forma que tanto el aprendizaje
como el funcionamiento de la red no afecten
considerablemente el tiempo de obtención de los
resultados. |
|---|