Revista: | Ingeniería y competitividad |
Base de datos: | PERIÓDICA |
Número de sistema: | 000421420 |
ISSN: | 0123-3033 |
Autores: | Minotta Hurtado, Javier A1 Bacca Cortés, Eval B1 |
Instituciones: | 1Universidad del Valle, Escuela de Ingeniería Eléctrica y Electrónica, Cali, Valle del Cauca. Colombia |
Año: | 2007 |
Volumen: | 9 |
Número: | 2 |
Paginación: | 59-75 |
País: | Colombia |
Idioma: | Español |
Tipo de documento: | Artículo |
Enfoque: | Aplicado, descriptivo |
Resumen en español | Este artículo describe el diseño, implementación y prueba de la herramienta denominada UV-SRNAPDA (simulador de redes neuronales artificiales de la Universidad del Valle para una agenda digital programable), que está orientada a la simulación de redes neuronales artificiales y a la identificación de procesos industriales complejos. Esta aplicación trabaja sobre una agenda digital programable (PDA) Palm T5 usando un sistema de adquisición de datos diseñado para tal fin. Dos tipos de redes neuronales fueron implementados: el perceptrón y el perceptrón multicapa (MLP) usando como algoritmos de aprendizaje los siguientes: propagación hacia atrás, gradiente descendente, velocidad de aprendizaje variable y momentum. Las pruebas se realizaron sobre plantas de primer y segundo orden (sólo esta última es reportada en este artículo), obteniendo su modelo neuronal y validando sus resultados en dos plataformas conocidas: MATLAB y UV-SRNA2.0 (versión de la UV-SRNA-PDA -3 -4 para PC). Estas pruebas arrojaron un error de entrenamiento promedio de 5.62 × 10 ± 3.55 × 10 y -3 -4 un error de validación promedio de 4.56 × 10 ± 5.95 × 10 . En ambos casos, los resultados son mejores o comparables con los de las otras herramientas de simulación. Sin embargo, el tiempo de entrenamiento típico en UV-SRNA-PDAfue de 900 s en comparación con los 3 s para MATLAB y 8 s para la UV-SRNA2.0 |
Resumen en inglés | This paper describes the design, implementation and testing of the software tool designated as UV-SRNA-PDA (Universidad del Valle’s artificial neural network simulator for a personal digital assistant), which is oriented to artificial neural networks simulation and complex industrial processes identification. This application works on a PDA(personal digital assistant) Palm T5 using a customized data acquisition system. Two kinds of artificial neural networks were implemented: perceptron and multi-layer p |
Disciplinas: | Ciencias de la computación |
Palabras clave: | Redes, Identificación de sistemas, Redes neuronales artificiales, Perceptrón, Modelos de simulación |
Keyword: | Networks, Systems identification, Artificial neural networks, Perceptron, Simulation models |
Texto completo: | Texto completo (Ver PDF) |