Imagen de Portada

Aproximación de la Dinámica Inversa de un Manipulador Robótico mediante una Red Neuronal entrenada con un Algoritmo Estocástico de Aprendizaje

Fuente: Redalyc

Guardado en:

Detalles Bibliográficos
Autor principal:	Enrique Carlos Segura
Formato:	Artículo científico
Lenguaje:	es
Publicado:	Corporación Universitaria de la Costa 2013
Materias:	Ingeniería Red neuronal dinámica inversa manipulador robótico perceptrón multicapa aprendizaje estocástico
Acceso en línea:	Acceder al recurso
Etiquetas:	Agregar Etiqueta Sin Etiquetas, Sea el primero en etiquetar este registro!

_version_	1876428504300519424
author	Enrique Carlos Segura
author_facet	Enrique Carlos Segura
contents	Aproximación de la Dinámica Inversa de un Manipulador Robótico mediante una Red Neuronal entrenada con un Algoritmo Estocástico de Aprendizaje Enrique Carlos Segura Ingeniería Red neuronal dinámica inversa manipulador robótico perceptrón multicapa aprendizaje estocástico Se utiliza el algoritmo SAGA para aproximar la dinámica inversa de un manipulador robótico con dos juntas rotacionales. SAGA (Simulated Annealing + Gradiente + Adaptación) es una estrategia estocástica para la construcción aditiva de una red neuronal artificial de tipo perceptrón de dos capas, basada en tres elementos esenciales: a) actualización de los pesos de la red por medio de información del gradiente de la función de costo; b) aceptación o rechazo del cambio propuesto por una técnica de recocido simulado (simulated annealing) clásica; y c) crecimiento progresivo de la red neuronal, en la medida en que su estructura resulta insuficiente, usando una estrategia conservadora para agregar unidades a la capa oculta. Se realizan experimentos y se analiza la eficiencia en términos de la relación entre error relativo medio -en los conjuntos de entrenamiento y de testeo-, tamaño de la red y tiempos de cómputo. Se hace énfasis en la habilidad de la técnica propuesta para obtener buenas aproximaciones, minimizando la complejidad de la arquitectura de la red y, por lo tanto, la memoria computacional requerida. Además, se discute la evolución del proceso de minimización a medida que la superficie de costo se modifica. 2013 artículo científico 0122-6517 https://www.redalyc.org/articulo.oa?id=497779321003 es http://www.redalyc.org/revista.oa?id=4977 INGE CUC application/pdf Corporación Universitaria de la Costa INGE CUC (Colombia) Num.2 Vol.9
format	Artículo científico
id	redalyc_497779321003
institution	Redalyc
language	es
publishDate	2013
publisher	Corporación Universitaria de la Costa
spellingShingle	Aproximación de la Dinámica Inversa de un Manipulador Robótico mediante una Red Neuronal entrenada con un Algoritmo Estocástico de Aprendizaje Enrique Carlos Segura Ingeniería Red neuronal dinámica inversa manipulador robótico perceptrón multicapa aprendizaje estocástico Aproximación de la Dinámica Inversa de un Manipulador Robótico mediante una Red Neuronal entrenada con un Algoritmo Estocástico de Aprendizaje Enrique Carlos Segura Ingeniería Red neuronal dinámica inversa manipulador robótico perceptrón multicapa aprendizaje estocástico Se utiliza el algoritmo SAGA para aproximar la dinámica inversa de un manipulador robótico con dos juntas rotacionales. SAGA (Simulated Annealing + Gradiente + Adaptación) es una estrategia estocástica para la construcción aditiva de una red neuronal artificial de tipo perceptrón de dos capas, basada en tres elementos esenciales: a) actualización de los pesos de la red por medio de información del gradiente de la función de costo; b) aceptación o rechazo del cambio propuesto por una técnica de recocido simulado (simulated annealing) clásica; y c) crecimiento progresivo de la red neuronal, en la medida en que su estructura resulta insuficiente, usando una estrategia conservadora para agregar unidades a la capa oculta. Se realizan experimentos y se analiza la eficiencia en términos de la relación entre error relativo medio -en los conjuntos de entrenamiento y de testeo-, tamaño de la red y tiempos de cómputo. Se hace énfasis en la habilidad de la técnica propuesta para obtener buenas aproximaciones, minimizando la complejidad de la arquitectura de la red y, por lo tanto, la memoria computacional requerida. Además, se discute la evolución del proceso de minimización a medida que la superficie de costo se modifica. 2013 artículo científico 0122-6517 https://www.redalyc.org/articulo.oa?id=497779321003 es http://www.redalyc.org/revista.oa?id=4977 INGE CUC application/pdf Corporación Universitaria de la Costa INGE CUC (Colombia) Num.2 Vol.9
title	Aproximación de la Dinámica Inversa de un Manipulador Robótico mediante una Red Neuronal entrenada con un Algoritmo Estocástico de Aprendizaje
topic	Ingeniería Red neuronal dinámica inversa manipulador robótico perceptrón multicapa aprendizaje estocástico
url	https://www.redalyc.org/articulo.oa?id=497779321003