@OctavioDMA@LatEnvChemPSE En una RNA entrenada por BackProgation se tienen que definir muchos parámetros, en el método que proponemos no es así, no es necesario definir épocas, profundidad, rate learning, etc. El único parámetro interno es el rango de los pesos estocasticos y dependen del # entradas.
HOLA!!! El tema que les quiero presentar es "MODELADO DE PROCESOS MEDIANTE UNA RED NEURONAL ARTIFICIAL: ENTRENAMIENTO RÁPIDO CON PESOS ESTOCÁSTICOS Y ÓPTIMA TOPOLOGÍA".
@LatEnvChemPSE#PSEModSimulat
@ElHombrePan3@LatEnvChemPSE Hemos hecho un diseño de experimentos para ver la influencia de ciertos factores al implementar una RNA y encontramos que está relación es importante, además se eligen de forma aleatoria de un conjunto de datos iniciales, de esta forma se obtiene una muestra representativa.
@ElHombrePan3@LatEnvChemPSE Generalmente se utiliza la regla de Pareto 80% para entrenar la red y 20% para su validación pero esto es solo una regla heurística, esta relación toma más importancia cuando no te cuenta con suficientes datos para entrenar la red, espero haber contestado tu duda.
@OctavioDMA quiero entender que en la Red neuronal tus variables de entrada fueron Temp y Presion? y las variables de salida son los parámetros A_12 y A_21? De donde se obtiene y con cuantos datos experimentales se implemento la red?
@villazon_leon@LatEnvChemPSE Gracias, me quedo más claro, de casualidad hay alguna publicación (tesis, publicación o tutorial) para seguir más de cerca este proyecto tuyo?
@villazon_leon@LatEnvChemPSE Duda, 1) se sabe que para implementar una ANN es necesario tener un volumen de datos considerable, cuántos datos experimentales tienes para implementar la red; 2) cómo terminas la mejor estructura de la ANN?, que método de entrenamiento usas?, Que software usas para la ANN?
@SergioG14448090@LatEnvChemPSE Debido a que el método propuesto se realiza de forma rápida es posible entrenar más RNAs, de esta forma es posible cambiar el número de neuronas internas de forma secuencial, desde 1 hasta m-1 (m = # de observaciones), al final se elige la mejor estructura.
@SergioG14448090@LatEnvChemPSE Justamente el método propuesto soluciona este problema, mediante el estadístico R^2 de un conjunto de validación, Figura 4, se hace la validación cruzada. De esta forma se evita el underfitting y overfitting.
@AlpizarErik@LatEnvChemPSE El método propuesto se programo por nosotros en el ambiente de MATLAB, sin usar paqueterías ya existentes de machine learning.
¡Hola comunidad #LatinEnvChemPSE! Este es mi poster: "Caracterización numérica de problemas de estabilidad de fases: propuesta de un conjunto confiable de problemas de referencia para la evaluación de métodos estocásticos de optimización global" @LatEnvChemPSE#PSEModSimulat
Hola a todos :) Les comparto mi trabajo actual sobre análisis de estrategias de estimación de parámetros de interacción binaria de la ecuación NRTL utilizando un modelo de red neuronal para cálculos de equilibrio de fases. #LatinEnvChemPSE#PSEModSimulat
HOLA!!! El tema que les quiero presentar es "MODELADO DE PROCESOS MEDIANTE UNA RED NEURONAL ARTIFICIAL: ENTRENAMIENTO RÁPIDO CON PESOS ESTOCÁSTICOS Y ÓPTIMA TOPOLOGÍA".
@LatEnvChemPSE#PSEModSimulat