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...
Main Authors: | , , , |
---|---|
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 |