Martínez, Francisco J.
Gutiérrez, Pedro A.
Ruiz, Aarón
Hervás-Martínez, César
2013-05-06T09:29:29Z
2013-05-06T09:29:29Z
2005
http://hdl.handle.net/10396/9959
El presente trabajo es una primera aproximación a
la formación de modelos de redes neuronales con
unidades ocultas de tipo híbrido (sigmoides,
producto) que siendo aproximadores universales,
puedan utilizarse como modelos no lineales de
regresión cuando las características del espacio de
las variables independientes lo aconsejen. Dada la
dificultad que presenta la aplicación de algoritmos
de aprendizaje de búsqueda local para esta
tipología de modelos, se utiliza un algoritmo de
programación evolutiva donde se definen
operadores de mutación específicos. Los
experimentos realizados con cuatro funciones de
prueba, las tres funciones de Friedman y una
propuesta por los autores, muestran resultados
muy prometedores en esta dirección
application/pdf
spa
Comité Organizador de MAEB'05
https://creativecommons.org/licenses/by-nc-nd/4.0/
En: IV Congreso Español de Metaheurísticas, Algoritmos Evolutivos y Bioinspirados, Granada, 13-16 de septiembre, 2005
Redes neuronales
Regresión no lineal
Regresión no lineal mediante la evolución de modelos Híbridos de Redes Neuronales
info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/openAccess