| Resumen |
Los algoritmos basados en metodos metaheurísticos son aplicados a problemas de optimización y han demostrado un gran sentido de convergencia en sus soluciones, es por eso que en este trabajo se ha considerado su aplicación para determinar los valores de los pesos sinápticos en una arquitectura neuronal que ha sido configurada como aproximador de funciones. Se han elegido tres funciones típicas (benchmark) como pruebas de rendimiento, además, de considerar el error cuadrático medio (ECM), como función objetivo o de ajuste para los algoritmos metaheurísticos. El análisis de los resultados indica que los algoritmos de abejas y evolución diferencial funcionan bien para problemas de alta dimensionalidad y recocido simulado presenta la mejor relacion entre tiempo y valor óptimo. En general, este estudio demuestra la eficiencia de las metaheurísticas para resolver problemas de entrenamiento de redes neuronales artificiales. |
