this is for holding javascript data
Angélica Guzmán Ponce edited section_Metodolog_ia_A_continuaci__.tex
almost 8 years ago
Commit id: cb7155aded1d3a001b3a71c6fc43e4511646cef1
deletions | additions
diff --git a/section_Metodolog_ia_A_continuaci__.tex b/section_Metodolog_ia_A_continuaci__.tex
index cb2853b..2b87514 100644
--- a/section_Metodolog_ia_A_continuaci__.tex
+++ b/section_Metodolog_ia_A_continuaci__.tex
...
Para obtener una aproximaci\'on funcional \'optima se deben de elegir cuidadosamente las variables a emplear. Concretamente, lo que se trata es incluir en el modelo las variables predictorias que realmente predigan la variable dependiente, pero que a su vez covar\'ien entre s\'i ~\cite{smith1993neural}. La introducci\'on de variables irrelevantes o que covarien entre s\'i, puede provocar un sobre ajuste incesario en el modelo.
Para En este trabajo se
escogi\'o utiliz\'o un conjunto de datos del \'indice carbonilo de 3
variables, variables: tiempo , radiaci\'on ultravioleta, temperatura la cual genera un desgaste en
dicho material. materiales. %QUE MATERIAL
Los cuales Estas variables han sido
medidos en medidas por un periodo de un a\~no, tomando esta informaci\'on para ejemplificar el trabajo
en esta metodolog\'ia. de la metodolog\'ia propuesta.
En este trabajo se
implementó implement\'o el algoritmo de retropropagaci\'on (back-propagation). Donde el proceso de aprendizaje o entrenamiento de la MLP consiste en la estimaci\'on de sus par\'ametros libres (pesos de la red). El algoritmo de retropropagaci\'on descrito en primer lugar por Werbos~\cite{werbos1974beyond}, posteriormente por Rumelhart, es el m\'etodo de aprendizaje ampliamente utilizando en el MLP.
%AQUI NO SE COMO UNIR LOS PARRAFOS
Las Por otro lado, las variables deber\'ian seguir una distribuci\'on normal o uniforme en tanto que el rango de posibles valores deber\'ia ser aproximadamente el mismo y acotado dentro del intervalo de trabajo de la funci\'on de activaci\'ion empleada en las capas ocultas y de salida de la red nueronal.