Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos

Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos

En este trabajo, el rendimiento de la Red Neural Artificial de Hopfield en el diagnóstico de fallas en procesos industriales se evalúa cuando faltan datos. Se realiza el diagnóstico de dos clases con diferentes niveles de datos superpuestos. Como resultado principal, Hopfield tiene un buen desempeñ...

Full description

Bibliographic Details
Main Authors: Raquelita Torres Cabeza, Orestes Llanes Santiago, Egly Barrero Viciedo, Valery Moreno Vega
Format: Article
Language:English
Published: Institute of Technology and Education Galileo da Amazônia 2018-03-01
Series:ITEGAM-JETIA
Online Access:https://itegam-jetia.org/journal/index.php/jetia/article/view/50
id doaj-cc1eadcc544b43e09e2892ced7440931
record_format Article
spelling doaj-cc1eadcc544b43e09e2892ced74409312020-11-25T03:17:41ZengInstitute of Technology and Education Galileo da AmazôniaITEGAM-JETIA2447-02282018-03-0141310.5935/2447-0228.201850Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletosRaquelita Torres CabezaOrestes Llanes SantiagoEgly Barrero ViciedoValery Moreno Vega En este trabajo, el rendimiento de la Red Neural Artificial de Hopfield en el diagnóstico de fallas en procesos industriales se evalúa cuando faltan datos. Se realiza el diagnóstico de dos clases con diferentes niveles de datos superpuestos. Como resultado principal, Hopfield tiene un buen desempeño en las pruebas implementadas superando arquitecturas como la Red Neuronal Probabilistic, por eso es una buena opción usarlo en el diagnóstico de fallas. https://itegam-jetia.org/journal/index.php/jetia/article/view/50
collection DOAJ
language English
format Article
sources DOAJ
author Raquelita Torres Cabeza
Orestes Llanes Santiago
Egly Barrero Viciedo
Valery Moreno Vega
spellingShingle Raquelita Torres Cabeza
Orestes Llanes Santiago
Egly Barrero Viciedo
Valery Moreno Vega
Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos
ITEGAM-JETIA
author_facet Raquelita Torres Cabeza
Orestes Llanes Santiago
Egly Barrero Viciedo
Valery Moreno Vega
author_sort Raquelita Torres Cabeza
title Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos
title_short Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos
title_full Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos
title_fullStr Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos
title_full_unstemmed Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos
title_sort diagnóstico de fallos empleando una red neuronal artificial hopfield ante datos incompletos
publisher Institute of Technology and Education Galileo da Amazônia
series ITEGAM-JETIA
issn 2447-0228
publishDate 2018-03-01
description En este trabajo, el rendimiento de la Red Neural Artificial de Hopfield en el diagnóstico de fallas en procesos industriales se evalúa cuando faltan datos. Se realiza el diagnóstico de dos clases con diferentes niveles de datos superpuestos. Como resultado principal, Hopfield tiene un buen desempeño en las pruebas implementadas superando arquitecturas como la Red Neuronal Probabilistic, por eso es una buena opción usarlo en el diagnóstico de fallas.
url https://itegam-jetia.org/journal/index.php/jetia/article/view/50
work_keys_str_mv AT raquelitatorrescabeza diagnosticodefallosempleandounaredneuronalartificialhopfieldantedatosincompletos
AT orestesllanessantiago diagnosticodefallosempleandounaredneuronalartificialhopfieldantedatosincompletos
AT eglybarreroviciedo diagnosticodefallosempleandounaredneuronalartificialhopfieldantedatosincompletos
AT valerymorenovega diagnosticodefallosempleandounaredneuronalartificialhopfieldantedatosincompletos
_version_ 1724630674996985856

Similar Items