ADAPTACiÓN DE LA ARQUITECTURA DE REDES NEURONALES ESTOCÁSTICAS POLlNOMIALES UTILIZANDOAPRENDIZAJE DE AUTOMATAS

Abstract

Se discute la forma de obtener el número óptimo de nodos en una Red Neuronal artificial Polinomial
con perturbaciones de tipo estocástico en la salida de cada nodo. El algoritmo utilizado se basa en una
técnica de aprendizaje reforzado. Para resolver este problema de optimización se introduce un índice
especial de desempeño de tal forma que el número óptimo de nodos corresponde al punto mínimo de
este criterio. Este criterio es una combinación de la minimización de una función residual y de la
varianza de las perturbaciones consideradas de naturaleza aleatoria. Un valor grande en la varianza
de la perturbación da como resultado un óptimo diferente del número de neuronas en la red debido al
efecto de "interferencia". El algoritmo de aprendizaje utilizado permite aplicar este procedimiento sin
conocer la naturaleza de las perturbaciones y disminuye la cantidad de operaciones que se requieren
en la convergencia del estimado. Se presentan algunos resultados de simulación para ilustrar la
potencialidad del algoritmo propuesto.