Resumen

Este artículo presenta un sistema automático de redes neuronales (NN) que tiene la capacidad de simular y predecir muchos problemas aplicados. Las arquitecturas del sistema se reorganizan automáticamente y el proceso experimental se reinicia si no se alcanza el rendimiento requerido. Este procesamiento continúa hasta obtener el rendimiento deseado. Este sistema se aplica y se prueba primero en el problema de las dos espirales; muestra que se obtiene un excelente rendimiento de generalización al clasificar correctamente todos los puntos de las dos espirales. Posteriormente, se aplica y se prueba en el problema de la tensión cortante y la caída de presión a través del troquel de orificio corto como función de la velocidad de corte a diferentes presiones medias para el copolímero de polietileno de baja densidad lineal (LLDPE) a C. El sistema muestra una mejor concordancia con los datos experimentales de los dos casos: tensión cortante y caída de presión. El sistema propuesto también ha sido diseñado para simular otras distribuciones no presentadas en el conjunto de entrenamiento (predichas) y empare

• Materias:Algoritmo genético Agrupamiento difuso Memoria gamma Controlador Neuro-Fuzzy
• Subjects:Genetic algorithm Fuzzy clustering Gamma memory Neuro-Fuzzy Controller
• Palabras claves:Redes neuronales; Arquitecturas de sistemas; Rendimiento; Problema en espiral; Tensión de corte; Caída de presión
• Keywords:Neural networks; System architectures; Performance; Spiral problem; Shear stress; Pressure drop