Neurocontrol

Neurocontrol

Carlos Alberto Vera Romero
carlos.vera@unad.edu.co

Introducción
• Los controladores neuronales son un intento de
incorporar el aprendizaje a los sistemas de
control.
• Se basan en lautilización de modelos de redes
neuronales artificiales y esquemas de
autoconfiguración.

1

• Papel del aprendizaje en los sistemas de
control.
– El sistema debe mejorar su comportamiento a
medidaque acumula experiencia sobre diferentes
situaciones.

• Casos en los que es deseable.
– Falta de conocimiento a priori del entorno de
operación.
– Comportamientos no lineales.
– Variabilidad temporal.– Imprecisiones del modelado.
– Sistemas de dimensionalidad elevada.
– Imprecisiones en la percepción/acción.
– Funciones objetivo complejas.

• Implicaciones.
–
–
–
–
–

El sistema de control esautónomo.
El controlador es dinámico.
El sistema incorpora memoria.
Se requiere la definición de una función objetivo.
Se precisa una medida del rendimiento del
sistema.

• Alternativas.
– Control robusto.
–Control adaptativo.
– Esquemas de “aprendizaje manual”.

2

Redes neuronales
• Se han incorporados diversos tipos de redes
neuronales a los sistemas de control:
–
–
–
–
–

Perceptrones multicapa.Mapas autoorganizativos de Kohonen.
Red de Hopfield.
Máquina de Boltzmann.
CMAC.

Perceptrón multicapa
• Esta estructura se compone de un conjunto
de neuronas artificiales organizadas en
capas.
–Respuesta de una neurona.
 n

y = f  ∑ wi ui 
 i =1


donde ui son las entradas y wi los pesos
asociados a cada una. f es una función de tipo
sigmoide.
1
f ( x) =

1 + e −ax

3

• El aprendizaje serealiza entrenando la red
con muestras de comportamientos entradasalida deseados.
– Ajuste de pesos mediante algoritmos como el
backpropagation.

• Dificultad en la determinación del número
adecuado decapas y neuronas por capa.

Mapas de Kohonen
• Estructura formada por un nivel de neuronas
conectadas a la entrada e interconectadas
entre sí.
• El algoritmo de aprendizaje actualiza los
pesos...