Maya Rueda, Selene EdithPérez Ramírez, Javier2026-10-092026-10-091999https://hdl.handle.net/20.500.12371/34071La presente investigación en inteligencia artificial, ciencias computacionales e ingeniería electrónica aborda el diseño y desarrollo de algoritmos de optimización para Redes Neuronales Artificiales (RNA), enmarcada en el interés interdisciplinario por modelar los mecanismos del cerebro humano tanto para el análisis de los sistemas neurológicos biológicos como para introducir mejoras en la ingeniería tecnológica y los sistemas computarizados. A partir de los desarrollos pioneros de McCulloch y Pitts en la década de 1940 y el notable impulso técnico alcanzado durante los años ochenta en disciplinas como el reconocimiento de patrones, el procesamiento de voz y el control automático, el estudio define a las redes neuronales como estructuras conformadas por unidades o nodos interconectados mediante pesos sinápticos que computan la suma ponderada de sus entradas y aplican funciones de activación para generar una salida. Asimismo, la obra resalta las ventajas intrínsecas de estas arquitecturas, destacando su procesamiento concurrente en paralelo, su capacidad de generalización en la toma de decisiones, la tolerancia a fallos y su facultad de adaptación mediante aprendizaje. ​En el orden técnico y metodológico, el documento distingue las dos fases operativas fundamentales de estos modelos: la etapa de reconocimiento o explotación, donde la red clasifica patrones no contenidos en el conjunto previo de datos, y la etapa de entrenamiento, sustentada en algoritmos de optimización que ajustan iterativamente los pesos para reducir el error entre la salida estimada y la deseada, dominada convencionalmente por esquemas basados en el gradiente descendente. Frente a las soluciones estandarizadas, el objetivo principal del trabajo radica en el desarrollo y fundamentación de una nueva regla de entrenamiento denominada algoritmo OLL (Optimization Layer by Layer, u Optimización Capa por Capa), diseñada para una arquitectura neuronal multicapa compuesta por una capa de nodos de entrada, una capa oculta y una capa de neuronas de salida. Esta propuesta busca superar o diferenciar sus prestaciones técnicas respecto a los algoritmos de optimización predeterminados en el entorno de desarrollo de MATLAB. ​La memoria técnica organiza su exposición a lo largo de cuatro capítulos constitutivos. El primer capítulo establece los conceptos teóricos básicos y el marco cronológico de las redes neuronales, detallando la transición del modelo biológico al formalismo matemático, al tiempo que clasifica los esquemas existentes según su topología de conexión y sus estrategias de entrenamiento. El segundo capítulo justifica la concepción del algoritmo OLL y expone los atributos que lo distinguen de las herramientas ya implementadas en el toolbox de MATLAB. El tercer capítulo profundiza en la formulación analítica y el desarrollo procedimental completo del método de entrenamiento capa por capa. Por último, el cuarto capítulo documenta la evaluación experimental de la técnica OLL mediante dos casos de estudio: la simulación lógica de una compuerta XOR y la identificación dinámica de una planta, analizando las métricas obtenidas para formular las conclusiones generales sobre la efectividad del modelo.spaRedes neuronales (Informática)Identificación del sistemaAlgoritmosTesinarestrictedAccessLELE1999 P4 A4