Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales

Autores
Curia, Lisandro; Lavalle, Andrea; Sierra, Enrique
Año de publicación
2007
Idioma
español castellano
Tipo de recurso
libro
Estado
versión aceptada
Descripción
Las Redes Neuronales Artificiales (RNA), presentan características de procesamiento de información y cálculo que les otorgan ventajas sobre otros sistemas. En líneas generales, puede decirse que las RNA constituyen sistemas de computación paralelos, distribuidos y adaptativos. Una de las características distintivas de las RNA es su capacidad para aprender de ejemplos, los cuales pueden provenir de modelos y datos históricos disponibles de un problema determinado. En este trabajo, se examinan las principales configuraciones topológicas de las redes MLP, Adaline, RBF y Elman, empleadas para aproximar funciones y analizar y predecir valores futuros. Asimismo, se muestran algunas limitaciones que presentan estos modelos neuronales tradicionales y cómo algunas de ellas pueden ser resueltas mediante modelos y algoritmos combinados, que requieren mayor elaboración, pero que mejoran el rendimiento global de la red.
Fil: Curia, Lisandro. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.
Fil: Lavalle, Andrea. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.
Fil: Sierra, Enrique. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.
Materia
Redes neuronales
Modelos predictivos
Ciencias de la Computación e Información
Ciencias Aplicadas
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
Repositorio Digital Institucional (UNCo)
Institución
Universidad Nacional del Comahue
OAI Identificador
oai:rdi.uncoma.edu.ar:uncomaid/18819
Acceder
id RDIUNCO_9ad91918a5934338f3078e86db9ed5b7
oai_identifier_str oai:rdi.uncoma.edu.ar:uncomaid/18819
network_acronym_str RDIUNCO
repository_id_str 7108
network_name_str Repositorio Digital Institucional (UNCo)
spelling Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales ArtificialesCuria, LisandroLavalle, AndreaSierra, EnriqueRedes neuronalesModelos predictivosCiencias de la Computación e InformaciónCiencias AplicadasLas Redes Neuronales Artificiales (RNA), presentan características de procesamiento de información y cálculo que les otorgan ventajas sobre otros sistemas. En líneas generales, puede decirse que las RNA constituyen sistemas de computación paralelos, distribuidos y adaptativos. Una de las características distintivas de las RNA es su capacidad para aprender de ejemplos, los cuales pueden provenir de modelos y datos históricos disponibles de un problema determinado. En este trabajo, se examinan las principales configuraciones topológicas de las redes MLP, Adaline, RBF y Elman, empleadas para aproximar funciones y analizar y predecir valores futuros. Asimismo, se muestran algunas limitaciones que presentan estos modelos neuronales tradicionales y cómo algunas de ellas pueden ser resueltas mediante modelos y algoritmos combinados, que requieren mayor elaboración, pero que mejoran el rendimiento global de la red.Fil: Curia, Lisandro. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.Fil: Lavalle, Andrea. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.Fil: Sierra, Enrique. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.EDUCO2007info:ar-repo/semantics/libroinfo:eu-repo/semantics/bookinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_2f33application/pdf150 p.application/pdf978-987-604-047-1https://rdi.uncoma.edu.ar/handle/uncomaid/18819spainfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/reponame:Repositorio Digital Institucional (UNCo)instname:Universidad Nacional del Comahue2025-09-04T11:13:05Zoai:rdi.uncoma.edu.ar:uncomaid/18819instacron:UNCoInstitucionalhttp://rdi.uncoma.edu.ar/Universidad públicaNo correspondehttp://rdi.uncoma.edu.ar/oaimirtha.mateo@biblioteca.uncoma.edu.ar; adriana.acuna@biblioteca.uncoma.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:71082025-09-04 11:13:05.273Repositorio Digital Institucional (UNCo) - Universidad Nacional del Comahuefalse
dc.title.none.fl_str_mv Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
spellingShingle Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
Curia, Lisandro
Redes neuronales
Modelos predictivos
Ciencias de la Computación e Información
Ciencias Aplicadas
title_short Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_full Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_fullStr Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_full_unstemmed Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
title_sort Aproximación de Funciones y Modelos Predictivos Basados en Redes Neuronales Artificiales
dc.creator.none.fl_str_mv Curia, Lisandro
Lavalle, Andrea
Sierra, Enrique
author Curia, Lisandro
author_facet Curia, Lisandro
Lavalle, Andrea
Sierra, Enrique
author_role author
author2 Lavalle, Andrea
Sierra, Enrique
author2_role author
author
dc.subject.none.fl_str_mv Redes neuronales
Modelos predictivos
Ciencias de la Computación e Información
Ciencias Aplicadas
topic Redes neuronales
Modelos predictivos
Ciencias de la Computación e Información
Ciencias Aplicadas
dc.description.none.fl_txt_mv Las Redes Neuronales Artificiales (RNA), presentan características de procesamiento de información y cálculo que les otorgan ventajas sobre otros sistemas. En líneas generales, puede decirse que las RNA constituyen sistemas de computación paralelos, distribuidos y adaptativos. Una de las características distintivas de las RNA es su capacidad para aprender de ejemplos, los cuales pueden provenir de modelos y datos históricos disponibles de un problema determinado. En este trabajo, se examinan las principales configuraciones topológicas de las redes MLP, Adaline, RBF y Elman, empleadas para aproximar funciones y analizar y predecir valores futuros. Asimismo, se muestran algunas limitaciones que presentan estos modelos neuronales tradicionales y cómo algunas de ellas pueden ser resueltas mediante modelos y algoritmos combinados, que requieren mayor elaboración, pero que mejoran el rendimiento global de la red.
Fil: Curia, Lisandro. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.
Fil: Lavalle, Andrea. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.
Fil: Sierra, Enrique. Universidad Nacional del Comahue. Facultad de Economía y Administración; Argentina.
description Las Redes Neuronales Artificiales (RNA), presentan características de procesamiento de información y cálculo que les otorgan ventajas sobre otros sistemas. En líneas generales, puede decirse que las RNA constituyen sistemas de computación paralelos, distribuidos y adaptativos. Una de las características distintivas de las RNA es su capacidad para aprender de ejemplos, los cuales pueden provenir de modelos y datos históricos disponibles de un problema determinado. En este trabajo, se examinan las principales configuraciones topológicas de las redes MLP, Adaline, RBF y Elman, empleadas para aproximar funciones y analizar y predecir valores futuros. Asimismo, se muestran algunas limitaciones que presentan estos modelos neuronales tradicionales y cómo algunas de ellas pueden ser resueltas mediante modelos y algoritmos combinados, que requieren mayor elaboración, pero que mejoran el rendimiento global de la red.
publishDate 2007
dc.date.none.fl_str_mv 2007
dc.type.none.fl_str_mv info:ar-repo/semantics/libro
info:eu-repo/semantics/book
info:eu-repo/semantics/acceptedVersion
http://purl.org/coar/resource_type/c_2f33
format book
status_str acceptedVersion
dc.identifier.none.fl_str_mv 978-987-604-047-1
https://rdi.uncoma.edu.ar/handle/uncomaid/18819
identifier_str_mv 978-987-604-047-1
url https://rdi.uncoma.edu.ar/handle/uncomaid/18819
dc.language.none.fl_str_mv spa
language spa
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.none.fl_str_mv application/pdf
150 p.
application/pdf
dc.publisher.none.fl_str_mv EDUCO
publisher.none.fl_str_mv EDUCO
dc.source.none.fl_str_mv reponame:Repositorio Digital Institucional (UNCo)
instname:Universidad Nacional del Comahue
reponame_str Repositorio Digital Institucional (UNCo)
collection Repositorio Digital Institucional (UNCo)
instname_str Universidad Nacional del Comahue
repository.name.fl_str_mv Repositorio Digital Institucional (UNCo) - Universidad Nacional del Comahue
repository.mail.fl_str_mv mirtha.mateo@biblioteca.uncoma.edu.ar; adriana.acuna@biblioteca.uncoma.edu.ar
_version_ 1842344062621843456
score 12.623145

Publicaciones similares