Algoritmos de Retropropagación con restricciones para la estimación de parámetros de curvas de titulación
Fuente:
Redalyc
Salvato in:
| Autore principale: | |
|---|---|
| Natura: | Artículo científico |
| Lingua: | es |
| Pubblicazione: |
Universidad de los Andes
2018
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
| _version_ | 1876429866932371456 |
|---|---|
| author | Jairo Hernández |
| author_facet | Jairo Hernández |
| contents | Algoritmos de Retropropagación con restricciones para la estimación de parámetros de curvas de titulación Jairo Hernández José Rodríguez Ingeniería caja gris curva de titulación Red neuronal artificial estimación de parámetros Retropropagación con restricciones En este artículo se propone el diseño y programación en Matlab de los algoritmos de aprendizaje de Retropropagación: Gradiente Conjugado, Quasi-Newton DFP (Davidon, Fletcher y Powell) y BFGS (Broyden, Fletcher, Goldfard y Shanno) , con restricciones de no negatividad, con la finalidad de estimar pesos de una red neuronal de tres capas, tipo “caja gris”, correspondiente a la ecuación de balance de un proceso de titulación de ácidos y bases. La entrada es el pH de la mezcla, la salida (r) es la razón entre el flujo del reagente (titulante) y el del influente (titulado), mientras que los pesos a estimar son las concentraciones de las sustancias presentes en el influente; debido a esto último es precisamente que los pesos no pueden ser negativos. El conjunto de datos (pH,r), son generados computacionalmente. Los algoritmos mencionados se comparan entre sí y también con la función predefinida de Matlab lsqnonneg. Los resultados obtenidos muestran que lsqnonneg es el más rápido en la estimación de los referidos pesos o parámetros. En cuanto a la calidad en la precisión, se puede decir que los algoritmos propuestos toman mayor preponderancia respecto a lsqnonneg a medida que algunas características de los datos suministrados tienden a ser más complejas, tales como escasa muestra de datos para el entrenamiento o alta presencia de ruido. 2018 artículo científico 1316-7081 https://www.redalyc.org/articulo.oa?id=507555109002 es http://www.redalyc.org/revista.oa?id=5075 Ciencia e Ingeniería application/pdf Universidad de los Andes Ciencia e Ingeniería (República Bolivariana de Venezuela) Num.1 Vol.39 |
| format | Artículo científico |
| id | redalyc_507555109002 |
| institution | Redalyc |
| language | es |
| publishDate | 2018 |
| publisher | Universidad de los Andes |
| spellingShingle | Algoritmos de Retropropagación con restricciones para la estimación de parámetros de curvas de titulación Jairo Hernández Ingeniería caja gris curva de titulación Red neuronal artificial estimación de parámetros Retropropagación con restricciones Algoritmos de Retropropagación con restricciones para la estimación de parámetros de curvas de titulación Jairo Hernández José Rodríguez Ingeniería caja gris curva de titulación Red neuronal artificial estimación de parámetros Retropropagación con restricciones En este artículo se propone el diseño y programación en Matlab de los algoritmos de aprendizaje de Retropropagación: Gradiente Conjugado, Quasi-Newton DFP (Davidon, Fletcher y Powell) y BFGS (Broyden, Fletcher, Goldfard y Shanno) , con restricciones de no negatividad, con la finalidad de estimar pesos de una red neuronal de tres capas, tipo “caja gris”, correspondiente a la ecuación de balance de un proceso de titulación de ácidos y bases. La entrada es el pH de la mezcla, la salida (r) es la razón entre el flujo del reagente (titulante) y el del influente (titulado), mientras que los pesos a estimar son las concentraciones de las sustancias presentes en el influente; debido a esto último es precisamente que los pesos no pueden ser negativos. El conjunto de datos (pH,r), son generados computacionalmente. Los algoritmos mencionados se comparan entre sí y también con la función predefinida de Matlab lsqnonneg. Los resultados obtenidos muestran que lsqnonneg es el más rápido en la estimación de los referidos pesos o parámetros. En cuanto a la calidad en la precisión, se puede decir que los algoritmos propuestos toman mayor preponderancia respecto a lsqnonneg a medida que algunas características de los datos suministrados tienden a ser más complejas, tales como escasa muestra de datos para el entrenamiento o alta presencia de ruido. 2018 artículo científico 1316-7081 https://www.redalyc.org/articulo.oa?id=507555109002 es http://www.redalyc.org/revista.oa?id=5075 Ciencia e Ingeniería application/pdf Universidad de los Andes Ciencia e Ingeniería (República Bolivariana de Venezuela) Num.1 Vol.39 |
| title | Algoritmos de Retropropagación con restricciones para la estimación de parámetros de curvas de titulación |
| topic | Ingeniería caja gris curva de titulación Red neuronal artificial estimación de parámetros Retropropagación con restricciones |
| url | https://www.redalyc.org/articulo.oa?id=507555109002 |