Implementación de un software de redes neuronales

UNIVERSIDAD CARLOS III MADRID
PROYECTO FIN DE CARRERA INGENIERÍA INDUSTRIAL

“Desarrollo de una interfaz gráfica de redes neuronales usando Matlab”

AUTOR: ALFONSO MORENO RODRÍGUEZ TUTOR: ISABEL GONZÁLEZ FARIAS

2

Índice
Capítulo 1: “Introducción” 1.1.-Introducción 1.2.-Objetivos 1.3.-Estructura del proyecto Capítulo 2: “Fundamentos teóricos de las redes neuronales” 2.1.-Fundamentosbiológicos de las redes neuronales 2.2.-Redes neuronales artificiales 2.3.-Redes Perceptron multicapa 2.3.1.-Introducción 2.3.2.-Arquitectura del perceptron multicapa 2.3.3.-Algoritmo de retropropagación 2.3.4.-Mejoras del algoritmo de aprendizaje 2.4.-Redes neuronales de base radial 2.4.1.-Introducción 2.4.2.-Arquitectura 2.4.3.-Entrenamiento Capítulo 3: “Redes neuronales en Matlab” 3.1.-Redesperceptron multicapa 3.1.1.-Creación de la red 3.1.2.-Simulación de la red 3.1.3.-Entrenamiento 3.1.4.-Métodos que se pueden utilizar en Matlab para mejorar la capacidad de generalización de la red 3.1.5.-Preproceso y postproceso 3.2.-Redes neuronales de base radial 3.2.1.-Introducción 3.2.2.-Creación de red Capítulo 4: “Uso de la GUI de Matlab” 4.1.-Introducción 4.2.-Objetos gráficos en Matlab4.2.1.-Estructura jerárquica de los objetos gráficos en Matlab. 4.2.2.-Identificadores de los objetos 4.2.3.-Propiedades de los objetos gráficos 4.3.-Creación de objetos gráficos 4.3.1.-Creación de controles 4.3.2.-Creación de menús de interfaz con el usuario 4.3.3.-Creación de ejes para la representación de gráficas-38-38-38-39-40-40-40-42-43-32-34-36-36-36-28-28-28-29-7-7-10-10-10-11-15-20-20-20-22-5-5-6-

3

Capítulo 5: “Descripción de la GUI” 5.1.-Introducción 5.2.-Inicio y distribución de los elementos en el programa 5.3.-Funcionalidades del programa 5.3.1.-Introducción 5.3.2.-Abrir 5.3.3.-Análisis previo de datos 5.3.4.-Arquitectura de red 5.3.5.-Parámetros de entrenamiento 5.3.6.-Postproceso 5.3.7.-Guardar estructura de red 5.3.8.-Guardar resultados de entrenamiento5.3.9.-Ejecutar la red con un nuevo conjunto de datos 5.3.10.-Ayuda 5.4.-Panel de listado de errores 5.5.-Panel de información del proceso 5.6.-Comparativa con herramientas similares de Matlab 5.6.1.-Introducción 5.6.2.-Descripción de la GUI nntool de Matlab 5.6.3.-Comparativa 5.7.-Compatibilidad con las distintas versiones de Matlab. Capítulo 6: “Aplicaciones” 6.1.-Diseño y entrenamiento de una red neuronalpara la predicción de fuerzas de corte en una operación de mecanizado 6.1.1.-Introducción 6.1.2.-Análisis previo de datos 6.1.3.-Arquitectura de red 6.1.4.-Parámetros de entrenamiento y entrenamiento 6.1.5.-Postproceso 6.1.6.-Guardar resultados de entrenamiento 6.2.-Diseño de una red neuronal para obtener la curva de potencia de un generador eólico. 6.2.1.-Introducción 6.2.2.-Análisis previo dedatos 6.2.3.-Elección de la arquitectura de la red 6.2.4.-Parámetros de entrenamiento 6.2.5.-Entrenamiento y resultados de los diversos modelos. 6.2.6.-Conclusiones. Capítulo 7: “Conclusiones y futuros trabajos” Capítulo 8: “Bibliografía” -111-111-111-115-116-116-123-124-1254 -92-92-92-102-103-106-110-44-44-45-45-46-48-57-60-73-79-81-83-84-84-85-87-87-87-90-91-

Capítulo 1: Introducción yobjetivos.
1.1.-Introducción.
Las redes neuronales son técnicas no paramétricas muy utilizadas en diversos ámbitos de la ciencia e ingeniería porque permiten resolver problemas complejos, que muchas veces no son fáciles de resolver utilizando técnicas tradicionales como la regresión lineal o polinómica. Las redes neuronales permiten obtener un modelo no explícito que relaciona un conjunto de variablessalida con un conjunto de variables entrada. Así, estos modelos permiten predecir cuál es el valor de salida, dados unos valores de entrada del modelo. Para estimar el modelo es necesario disponer de un conjunto de observaciones de las variables. Estas observaciones son usadas como patrones de entrenamiento para que la red aprenda y sea capaz de predecir una salida del modelo, ante nuevas...