Implementación de Algoritmos de Inteligencia Artificial para el Entrenamiento de Redes Neuronales de Segunda Generación

Resumen

Las Redes Neuronales Artificiales (RNA) son sistemas de procesamiento de información inspiradas en las redes neuronales biológicas, cuyas aplicaciones han encontrado gran aceptación en diversas áreas y problemas, como el Reconocimiento de Patrones. Previamente a su operación, necesitan calibrar elementos de su arquitectura a través de la fase de Entrenamiento, siendo seleccionado el algoritmo de Retropropagación como método clásico para ello. En la práctica, se han identificado deficiencias del algoritmo de Retropropagación al entrenar RNA, relacionadas a su fundamento matemático y a la dependencia hacia expertos en el problema en cuestión, por lo que se han explorado métodos alternativos para apoyar el adiestramiento de estos sistemas, siendo empleadas las Metaheurísticas en diversas investigaciones. En este trabajo se comparan 3 algoritmos metaheurísticos y la Retropropagación para la calibración de los pesos sinápticos de RNA en la solución de problemas de Clasificación de Patrones. Las Metaheurísticas utilizadas fueron Optimización por Cúmulo de Partículas, Evolución Diferencial y Estrategia Evolutiva. Se muestran como resultado los porcentajes de clasificación de 3 instancias, las cuales son Iris Plant, Ionosphere y Wine.