Una comparación entre estrategias evolutivas y RPROP para la estimación de redes neuronales



Título del documento: Una comparación entre estrategias evolutivas y RPROP para la estimación de redes neuronales
Revista: Avances en sistemas e informática
Base de datos: PERIÓDICA
Número de sistema: 000340517
ISSN: 1657-7663
Autores: 1
1
Instituciones: 1Universidad Nacional de Colombia, Escuela de Ingeniería de Sistemas, Medellín, Antioquia. Colombia
Año:
Periodo: Sep
Volumen: 4
Número: 2
Paginación: 135-144
País: Colombia
Idioma: Español
Tipo de documento: Artículo
Enfoque: Experimental, aplicado
Resumen en español Rprop ha sido reconocido como uno de los más poderosos algoritmos para entrenar redes neuronales artificiales; sin embargo, el algoritmo de estrategias de evolución es un fuerte competido para resolver problemas de optimización debido a su capacidad para buscar el óptimo global sin la necesidad de usar información sobre el gradiente. En este artículo, se comparan ambos algoritmos usando tres series de tiempo no lineales del mundo real, con el fin de determinar cual algoritmo ofrece mejores resultados en la práctica. Los resultados indican que estrategias de evolución converge más rápido que Rprop al punto de óptima local, pero en la mayoría de los casos los resultados obtenidos con Rprop son mejores en magnitud, aunque en la práctica los valores de la función objetivo son muy cercanos
Resumen en inglés Rprop has been recognized as one of the most powerful algorithms for training artificial neural networks; however, the evolution strategies algorithm is a strong competitor for solving optimization problems due to its capacity for searching the global optimum without the necessity of using information about of the gradient. In this paper, we compare both algorithms using three non-linear time series from the real world, with the aim of determinate which algorithm offers betters results in the practice. The results indicate that evolution strategies converges faster than Rprop to the local optima, but in most cases the results obtained using Rprop are better in magnitude, even in practice the values of the objective function are very near
Disciplinas: Ciencias de la computación
Palabras clave: Software,
Redes neuronales,
Algoritmos,
Optimización,
Estrategias evolutivas,
Series de tiempo
Keyword: Computer science,
Software,
Neural networks,
Algorithms,
Optimization,
Evolutionary strategies,
Time series
Texto completo: Texto completo (Ver PDF)