Copertina

Sistema Multiagente para el diseño de Redes de Neuronas de Base Radial óptimas

Fuente: Redalyc

Salvato in:

Dettagli Bibliografici
Autore principale:	J.M. Valls Ferrán
Natura:	Artículo científico
Lingua:	es
Pubblicazione:	Asociación Española para la Inteligencia Artificial 2000
Soggetti:	Ingeniería Sistemas Multiagente Optimización neuronas ocultas Redes de Neuronas de Bases Radial
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

_version_	1876464612830871552
author	J.M. Valls Ferrán
author_facet	J.M. Valls Ferrán
contents	Sistema Multiagente para el diseño de Redes de Neuronas de Base Radial óptimas J.M. Valls Ferrán J.M. Molina López I.M. Galván León Ingeniería Sistemas Multiagente Optimización neuronas ocultas Redes de Neuronas de Bases Radial Las Redes de Neuronas de Base Radial (RNBR) se comportan muy bien en la aproximación de funciones,siendo su convergencia extremadamente rápida comparada con las redes de neuronas de tipo perceptrónmulticapa. Sin embargo, el diseño de una RNBR para resolver un problema dado, no es sencillo ni inmediato,siendo el número de neuronas de la capa oculta de una Red de Base Radial (RBR) un factor crítico en elcomportamiento de este tipo de redes. En este trabajo, el diseño de una RNBR está basado en la cooperaciónde n+1 agentes: n agentes, cada uno de ellos formado por una RBR, que denominamos agentes RBR y 1agente árbitro. Estos n+1 agentes se organizan formando un Sistema Multiagente. El proceso deentrenamiento se distribuye entre los n agentes RBR, cada uno de los cuales tiene un número diferente deneuronas. Cada agente RBR se entrena durante un número determinado de ciclos (una etapa), cuando elagente árbitro le envía un mensaje. Todo el proceso está gobernado por el árbitro que decide cuál es el mejoragente RBR en cada etapa. El resultado de los experimentos muestra una importante reducción del número deciclos de entrenamiento utilizando la estrategia multiagente propuesta, en lugar de una estrategia secuencial 2000 artículo científico 1137-3601 https://www.redalyc.org/articulo.oa?id=92541002 es http://www.redalyc.org/revista.oa?id=925 Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial application/pdf Asociación Española para la Inteligencia Artificial Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial (España) Num.10 Vol.4
format	Artículo científico
id	redalyc_92541002
institution	Redalyc
language	es
publishDate	2000
publisher	Asociación Española para la Inteligencia Artificial
spellingShingle	Sistema Multiagente para el diseño de Redes de Neuronas de Base Radial óptimas J.M. Valls Ferrán Ingeniería Sistemas Multiagente Optimización neuronas ocultas Redes de Neuronas de Bases Radial Sistema Multiagente para el diseño de Redes de Neuronas de Base Radial óptimas J.M. Valls Ferrán J.M. Molina López I.M. Galván León Ingeniería Sistemas Multiagente Optimización neuronas ocultas Redes de Neuronas de Bases Radial Las Redes de Neuronas de Base Radial (RNBR) se comportan muy bien en la aproximación de funciones,siendo su convergencia extremadamente rápida comparada con las redes de neuronas de tipo perceptrónmulticapa. Sin embargo, el diseño de una RNBR para resolver un problema dado, no es sencillo ni inmediato,siendo el número de neuronas de la capa oculta de una Red de Base Radial (RBR) un factor crítico en elcomportamiento de este tipo de redes. En este trabajo, el diseño de una RNBR está basado en la cooperaciónde n+1 agentes: n agentes, cada uno de ellos formado por una RBR, que denominamos agentes RBR y 1agente árbitro. Estos n+1 agentes se organizan formando un Sistema Multiagente. El proceso deentrenamiento se distribuye entre los n agentes RBR, cada uno de los cuales tiene un número diferente deneuronas. Cada agente RBR se entrena durante un número determinado de ciclos (una etapa), cuando elagente árbitro le envía un mensaje. Todo el proceso está gobernado por el árbitro que decide cuál es el mejoragente RBR en cada etapa. El resultado de los experimentos muestra una importante reducción del número deciclos de entrenamiento utilizando la estrategia multiagente propuesta, en lugar de una estrategia secuencial 2000 artículo científico 1137-3601 https://www.redalyc.org/articulo.oa?id=92541002 es http://www.redalyc.org/revista.oa?id=925 Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial application/pdf Asociación Española para la Inteligencia Artificial Inteligencia Artificial. Revista Iberoamericana de Inteligencia Artificial (España) Num.10 Vol.4
title	Sistema Multiagente para el diseño de Redes de Neuronas de Base Radial óptimas
topic	Ingeniería Sistemas Multiagente Optimización neuronas ocultas Redes de Neuronas de Bases Radial
url	https://www.redalyc.org/articulo.oa?id=92541002