Redes Neuronales de Base Radial aplicadas a la mejora de la calidad

• Autor: Cevallos Ampuero, Juan
• Formato: artículo
• Fecha de Publicación: 2008
• Institución: Universidad Nacional Mayor de San Marcos
• Repositorio: Revista UNMSM - Industrial Data
• Lenguaje: español
• OAI Identifier: oai:ojs.csi.unmsm:article/6052
• Enlace del recurso: https://revistasinvestigacion.unmsm.edu.pe/index.php/idata/article/view/6052
• Nivel de acceso: acceso abierto
• Materia: Neural networks with radial basis; Radial basis functions; Neural networks of exact design; Multilayer perceptron with backpropagation learning.; Redes neuronales de base radial; Funciones de base radial; Redes neuronales de diseño exacto; Perceptrón multicapa con aprendizaje backpropagation

Esta investigación ha permitido construir una Red Neuronal Artificial RNA con Función de Base Radial, y que utiliza la distancia de Mahalanobis RND, para la mejora de la calidad de diseño de procesos, obteniendo mejores resultados que los obtenidos con los análisis estadísticos tradicionales para los diseños experimentales y las RNA ya existentes, para los casos que se trabaje con varias variables dependientes e independientes y en los que sus relaciones no sean lineales. Asimismo, al RND permite obtener parámetros de entrada para lograr un nivel de calidad deseado; para ello se aplica una metodología que usa las RNA Inversa y Directa a la vez.
This research has led to construct an artificial neural network ARN with Radial Basis Function, and using Mahalanobis distance RND, for improving the quality of process design, which have performed better than those obtained with the for traditional statistical analysis of design of experiments and other RNA that already exist, for cases that are working with several independent and dependent variables in which its relations are not linear. It also allows with the RND obtain input parameters to achieve a desired level of quality, for it applies a methodology that uses RNAReverse and Direct at once.