Aproximación de los problemas de optimización por redes neuronales artificiales

Autores/as

  • Amparo Ruiz Sepúlveda Universidad de Málaga España
  • Rafael Caballero Fernández España

Palabras clave:

Redes Neuronales, Optimización Combinatoria, Hopfield, Aplicaciones a la Economía

Resumen

En el presente artículo, pretendemos aportar un conocimiento de cómo puede aproximarse un problema de optimización mediante la dinámica de las redes neuronales artificiales, específicamente mediante las redes de tipo Hopfield. La elección de este tipo de redes radica en el objetivo que nos hemos propuesto en el presente trabajo, la resolución on-line de los problemas de optimización lineal, cuadrática, no lineal y combinatoria. Construimos, desarrollamos y justificamos formalmente una metodología integral que permite recoger los distintos tipos de problemas de optimización y construir una red neuronal de tipo Hopfield que los resuelva de una manera computacionalmente adecuada y formalmente correcta, comparando los resultados obtenidos con los publicados más recientemente.

Publicación Facts

Metric
Este artículo
Otros artículos
Revisión pares 
2,4 promedio

Perfil de revisores  N/D

Información adicional autores

Información adicional autores
Este artículo
Otros artículos
Datos de investigación disponibles 
##plugins.generic.pfl.dataAvailability.unsupported##
##plugins.generic.pfl.averagePercentYes##
Financiación 
N/D
32% con financiadores
Conflicto de intereses 
N/D
##plugins.generic.pfl.averagePercentYes##
Metric
Para esta revista
Otras revistas
Artículos aceptados 
Artículos aceptados: 2%
33% aceptado
Días hasta la publicación 
Días hasta la publicación
145

Indexado: {$indexList}

    Indexado en
Perfil de director y equipo editorial
##plugins.generic.pfl.profiles##
Sociedad Académica/Grupo 
N/D
Editora: 
UMA Editorial. Universidad de Málaga

PFL

1 2 3 4 5
Not useful Very useful

Descargas

Publicado

2001-01-01

Cómo citar

Ruiz Sepúlveda, A., & Caballero Fernández, R. (2001). Aproximación de los problemas de optimización por redes neuronales artificiales. Revista Electrónica De Comunicaciones Y Trabajos De ASEPUMA, 3(1), 3–48. Recuperado a partir de https://revistas.uma.es/index.php/recta/article/view/19751