| Revista: | Revista Facultad de Ingeniería. Universidad de Antioquia |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000323670 |
| ISSN: | 0120-6230 |
| Autors: | Villa, Fernán1 Velásquez, Juan1 Jaramillo, Patricia1 |
| Institucions: | 1Universidad Nacional de Colombia, Escuela de Sistemas, Medellín, Antioquia. Colombia |
| Any: | 2009 |
| Període: | Dic |
| Número: | 50 |
| Paginació: | 188-194 |
| País: | Colombia |
| Idioma: | Español |
| Tipo de documento: | Artículo |
| Enfoque: | Analítico |
| Resumen en español | Resilent backpropagation (RPROP) es una poderosa técnica de optimización basada en gradientes que ha sido comúnmente usada para el entrenamiento de redes neuronales artificiales, la cual usa una velocidad por cada parámetro en el modelo. Aunque esta técnica es capaz de resolver problemas de optimización multivariada sin restricciones, no hay referencias sobre su uso en la literatura de investigación de operaciones. En este artículo, se propone una modificación de resilent backpropagation que permite resolver problemas no lineales de optimización sujetos a restricciones generales no lineales. El algoritmo propuesto fue probado usando seis problemas comunes de prueba; para todos los casos, el algoritmo de resilent backpropagation restringido encontró la solución óptima, y para algunos casos encontró un punto óptimo mejor que el reportado en la literatura |
| Resumen en inglés | Resilent Backpropagation is a gradient-based powerful optimization technique commonly used for training artificial neural networks, which is based on the use of a velocity for each parameter in the model. However, although this technique is able to solve unrestricted multivariate nonlinear optimization problems there are not references in the operations research literature. In this paper, we propose a modification of Resilent Backpropagation that allows us to solve nonlinear optimization problems subject to general nonlinear restrictions. The proposed algorithm is tested using six common used Resilent Backpropagation is a gradient-based powerful optimization technique commonly used for training artificial neural networks, which is based on the use of a velocity for each parameter in the model. However, although this technique is able to solve unrestricted multivariate nonlinear optimization problems there are not references in the operations research literature. In this paper, we propose a modification of Resilent Backpropagation that allows us to solve nonlinear optimization problems subject to general nonlinear restrictions. The proposed algorithm is tested using six common used |
| Disciplines | Matemáticas |
| Paraules clau: | Matemáticas aplicadas, Algoritmos, Restricciones, Optimización no lineal |
| Keyword: | Mathematics, Applied mathematics, Algorithms, Restrictions, Nonlinear optimization |
| Text complet: | Texto completo (Ver PDF) |
