Sintonización automática de redes neuronales som aplicando algoritmos evolutivos

Abstract

El presente artículo constituye un aporte significativo al problema de la Monitorización de Salud Estructural (MSE), abordado mediante razonamiento basado en casos (CBR) y usando una red neuronal tipo SOM (Self Organizing Map). Debido a la gran cantidad de parámetros que se deben definir durante el entrenamiento de la red, la eficiencia computacional del sistema experto que detecte, localice y cuantifique cambios porcentuales de rigidez en una estructura civil depende en gran medida de la selección adecuada de dichos parámetros. Por tanto este procedimiento, se plantea en este proyecto, mediante el uso de un algoritmo diferencial evolutivo que permita seleccionar de manera automática los parámetros adecuados requeridos para el entrenamiento de la red SOM. Asimismo, se especificaron indicadores apropiados de desempeño de la red, con los que se evaluó la calidad del entrenamiento tendiente a aumentar la confiabilidad del diagnóstico realizado y facilitar a su vez la interpretación de los resultados obtenidos del sistema experto desarrollado. Finalmente, se logró la implementación numérica del algoritmo computacional a una estructura en estudio, donde los patrones de daño usados para el proceso de entrenamiento, se obtuvieron de un modelo estructural tipo Benchmark reportado en la literatura. La implementación del algoritmo, permitió observar la disminución de los errores de identificación en contraste con los adquiridos al seleccionar los parámetros de entrenamiento de la red de manera sugerida en [6].