Resumen

Este trabajo presenta una metodología sencilla basada en redes neuronales (NN) que permite obtener información dinámica relevante de sistemas no lineales desconocidos. Proporciona un enfoque para casos en los que la tarea compleja de analizar el comportamiento dinámico de sistemas no lineales hace que sea excesivamente desafiante obtener un modelo matemático preciso. Tras revisar la idoneidad de los perceptrones multicapa (MLPs) como aproximadores universales para reemplazar un modelo matemático, la primera parte de este trabajo presenta una representación del sistema utilizando un modelo formulado con variables de estado que puede ser exportado a una estructura de NN. Considerando la linealización del modelo de NN en una malla de puntos de operación, la segunda parte de este trabajo presenta el estudio de estados de equilibrio en dichos puntos mediante el cálculo de la matriz jacobiana del sistema a través del modelo de NN. Los resultados analizados en tres estudios de caso proporcionan ejemplos representativos de las fortalezas del método propuesto. En conclusión, es factible estudiar el comportamiento del sistema basado en MLP

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Redes neuronales; Información dinámica; Sistemas no lineales; Perceptrones multicapa; Estados de equilibrio; Dinámica del sistema
• Keywords:Neural networks; Dynamic information; Nonlinear systems; Multilayer perceptrons; Equilibrium states; System dynamics