Redes Neuronales de Base Radial aplicadas a la mejora de la calidad
DOI:
https://doi.org/10.15381/idata.v11i2.6052Palabras clave:
Redes neuronales de base radial, Funciones de base radial, Redes neuronales de diseño exacto, Perceptrón multicapa con aprendizaje backpropagationResumen
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.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2008 Juan Cevallos Ampuero
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
LOS AUTORES RETIENEN SUS DERECHOS:
a. Los autores retienen sus derechos de marca y patente, y tambien sobre cualquier proceso o procedimiento descrito en el artículo.
b. Los autores retienen el derecho de compartir, copiar, distribuir, ejecutar y comunicar públicamente el articulo publicado en la revista INDUSTRIAL DATA (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en la revista INDUSTRIAL DATA.
c. Los autores retienen el derecho a hacer una posterior publicación de su trabajo, de utilizar el artículo o cualquier parte de aquel (por ejemplo: una compilación de sus trabajos, notas para conferencias, tesis, o para un libro), siempre que indiquen la fuente de publicación (autores del trabajo, revista, volumen, numero y fecha).
