Artificial neuronal networks in transitional multidimensional heat conduction

Simple item page
dc.creatorArias, E. Liliana
dc.creatorGarcía, Lenny G.
dc.creatorGualdrón, Oscar
dc.creatorCorrea, Rodrigo
dc.date2003-05-01
dc.date.accessioned2022-03-14T20:29:30Z
dc.date.available2022-03-14T20:29:30Z
dc.descriptionEste artículo ilustra la aplicabilidad de las Redes Neuronales Artificiales en la predicción de latemperatura de algunos fenómenos de conducción de calor multidimensional transitorio. Seplantean dos casos en una dimensión con condición inicial constante y condiciones de frontera,para uno, de Dirichlet y para el otro, convectivas. Con estas mismas condiciones, se abordangeometrías en dos y tres dimensiones y se desarrollan sus soluciones analiticas para obtener lospatrones de entrada y salida utilizados en elposterior entrenamiento, verificación y generalizaciónde las redes neuronales artificiales. Para predecir la temperatura de los casos estudiados a partirde variables espaciales y temporales mediante la inteligencia artificial, Redes NeuronalesArtificiales, se empleó el Perceptrón multicapa con conexiones hacia adelante, función deactivación tangente hiperbólica para los nodos de la(s) capa(s) oculta(s) y lineal para el nodode salida, algoritmo de aprendizaje Levenberg - Marquardt y raíz de la suma de los cuadrados ypreprocesamiento rango como normalizaciones de las variables de entrada y salidarespectivamente. Una vez determinadas las especificaciones se llevaron a cabo las etapas dedesalTollo: entrenamiento, verificación y generalización de las redes de cada caso de conducciónde calor considerado empleando diversas configuraciones con el fin de seleccionar la másadecuada de acuerdo a los criterios: convergencia en el entrenamiento, capacidad degeneralización y simplicidad en su estructura.es-ES
dc.descriptionNeural networks to prediet the multidimensional unsteady-state temperature projile in a solidhave been used; convective and Dirichlet boundmy conditions for the mathematical model wereapplied to salve the model. For computer simulations several neural networks following theMultilayer Perceptron architecture were trained using the Levenberg-Marquardt algorithm. Resultsshowed an excellent agreement between numerical solutions afthe mathematical model and theneural network predictions.en-US
dc.formatapplication/pdf
dc.identifierhttps://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/2459
dc.identifier.urihttps://noesis.uis.edu.co/handle/20.500.14071/8191
dc.languagespa
dc.publisherUniversidad Industrial de Santanderes-ES
dc.relationhttps://revistas.uis.edu.co/index.php/revistauisingenierias/article/view/2459/2785
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
dc.rights.licenseAttribution-NonCommercial 4.0 International (CC BY-NC 4.0)
dc.sourceREVISTA UIS ENGENHARIAS; v. 2 n. 1 (2003): Revista UIS Ingenierías; 51-61pt-BR
dc.sourceRevista UIS Ingenierías; Vol. 2 Núm. 1 (2003): Revista UIS Ingenierías; 51-61es-ES
dc.sourceRevista UIS Ingenierías; Vol. 2 No. 1 (2003): Revista UIS Ingenierías; 51-61en-US
dc.source2145-8456
dc.source1657-4583
dc.subjectNeuronal Networken-US
dc.subjectRedes Neuronaleses-ES
dc.titleArtificial neuronal networks in transitional multidimensional heat conductionen-US
dc.titleRedes neuronales artificiales en conducción de calor multidimensional transitorioes-ES
dc.typeinfo:eu-repo/semantics/article
dc.typeinfo:eu-repo/semantics/publishedVersion
dspace.entity.type
Files
Collections
Revista UIS Ingenierías