Resumen

En muchas aplicaciones, es natural utilizar datos de intervalo para describir diversos tipos de incertidumbres. Este documento se ocupa de una red neuronal de intervalo con una capa oculta. Para la red neuronal de intervalo original, podría causar oscilaciones en el procedimiento de aprendizaje según indican nuestros experimentos numéricos. En este documento, se propone una red neuronal de intervalo suavizante para prevenir la oscilación de los pesos durante el procedimiento de aprendizaje. Aquí, por suavizar entendemos que, en un entorno del origen, reemplazamos los valores absolutos de los pesos por una función suave de los pesos en la capa oculta y la capa de salida. Se demuestra la convergencia de un algoritmo de gradiente para entrenar la red neuronal de intervalo suavizante. Se proporcionan experimentos numéricos de apoyo.

• Materias:Polinomios Ecuaciones dinámicas Ecuaciones diferenciales Ecuaciones funcionales
• Subjects:Polynomials Dynamic equations Differential equations Functional equations
• Palabras claves:Aplicaciones; Datos de intervalo; Incertidumbres; Red neuronal; Suavizado; Convergencia
• Keywords:Applications; Interval data; Uncertainties; Neural network; Smoothing; Convergence