Resumen

GRAU, Isel; NAPOLES, Gonzalo; BONET, Isis  y  GARCIA, María Matilde. Algoritmo de retropropagación a través de tiempo para el aprendizaje de redes neuronales recurrentes usando instancias de longitud variable. Comp. y Sist. [online]. 2013, vol.17, n.1, pp.15-24. ISSN 2007-9737.

Las Redes Neuronales Artificiales (RNAs) se agrupan dentro de las técnicas conexionistas de la Inteligencia Artificial. En particular las Redes Neuronales Recurrentes son un tipo de RNA de amplio uso en tareas de reproducción de señales y análisis de secuencias, donde se reflejan relaciones causales en el tiempo y el espacio respectivamente. Por otra parte, en muchos problemas de la ingeniería y la ciencia, las señales o secuencias analizadas no siempre tienen la misma longitud, dificultando la selección de la técnica computacional a utilizar para su procesamiento. En este artículo se presenta una implementación flexible de Redes Neuronales Recurrentes que permite definir la topología deseada en función del problema específico de aplicación. Además este modelo es capaz de aprender utilizando bases de conocimiento con instancias de longitud variable de una forma eficiente. El rendimiento de la implementación propuesta es evaluado a través de un caso de estudio de clasificación de secuencias bioinformáticas y además se describe su aplicación en la obtención de terremotos sintéticos a partir de información de escenarios sísmicos similares a los de Cuba.

Palabras llave : Redes neuronales recurrentes; retropropagación a través de tiempo; análisis de secuencias; bioinformática; terremotos artificiales.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )