Simulación e identificación de sistemas dinámicos mediante redes neuronales entrenadas con el método de retropagación de Errores y Teacher Forcing

• Autores: Paucar, V. Leonardo, Rider, Marcos J., Morelato, André L.
• Formato: artículo
• Fecha de Publicación: 2001
• Institución: Universidad Nacional de Ingeniería
• Repositorio: UNI-Tesis
• Lenguaje: español
• OAI Identifier: oai:cybertesis.uni.edu.pe:20.500.14076/14414
• Enlace del recurso: http://hdl.handle.net/20.500.14076/14414; https://doi.org/10.21754/tecnia.v11i1.531
• Nivel de acceso: acceso abierto
• Materia: Sistemas dinámicos; Redes neuronales; Método de retropropagación

En el presente artículo se presenta la descripción y resultados de la aplicación del algoritmo para la simulación e identificación de sistemas dinámicos no lineales mediante redes neuronales artificiales (RNA) entrenadas con el método de retropropagación de errores (BP - back-propagation) y el procedimiento teacher forcing (BPTF). Fueron analizadas varias configuraciones de redes neuronales de dos camadas de neuronas, una escondida y la otra de salida. Las redes neuronales propuestas han sido aplicadas a dos sistemas de prueba, el sistema dinámico del péndulo doble y el motor de inducción de tercer orden. Los resultados obtenidos permiten estimar que las redes neuronales que adoptan BPTF son bastante útiles para la simulación e identificación de sistemas dinámicos no lineales, principal­mente durante los primeros pasos de tiempo posteriores a los períodos con los cuales fueron entrenadas las redes neuronales en estudio.