Resumen

Proponemos una red neuronal de una capa para resolver una clase de problemas de optimización con restricciones, que se deriva del proceso de prensado continuo en caliente de MDF. La función objetivo del problema de optimización es la suma de una función convexa no suave y una función pseudoconvexa suave no convexa, y el conjunto factible consta de dos partes, una es un subconjunto convexo cerrado de R n , y la otra está definida por una clase de funciones convexas suaves. Mediante las teorías de las técnicas de suavizado, proyección, función de penalización y término de regularización, la red propuesta se modela mediante una ecuación diferencial, que puede implementarse fácilmente. Sin ninguna otra condición, probamos la existencia global de las soluciones de la red neuronal propuesta con cualquier punto inicial en el subconjunto convexo cerrado. Demostramos que cualquier punto de acumulación de las soluciones de la red neuronal propuesta no sólo es un punto factible, sino también una solución óptima del problema de optimización considerado, aunque la función objetivo no sea convexa. Los experimentos numéricos sobre el proceso de prensado en caliente de MDF, que incluyen la construcción del modelo y la optimización de los parámetros, se prueban a partir de un conjunto de datos reales, lo que indica el buen rendimiento de la red neuronal propuesta en las aplicaciones.

• Materias:Análisis Matemático Matemáticas Algebra Ingeniería Lógica matemática
• Subjects:Mathematical Analysis mathematics Algebra Engineering Mathematical logic
• Palabras claves:Red neuronal; problemas de optimización con restricciones; función objetivo; conjunto factible; subconjunto convexo; técnicas de suavizado.
• Keywords:Neural network; constrained optimization problems; objective function; feasible set; convex subset; smoothing techniques