Adaptación de la arquitectura de redes neuronales estocásticas polinomiales utilizando aprendizaje de autómatas

Se discute la forma de obtener el número óptimo de nodos en una Red Neuronal artificial Polinomial con perturbaciones de tipo estocástico en la salida de cada nodo. El algoritmo utilizado se basa en una técnica de aprendizaje reforzado. Para resolver este problema de optimización se introduce un índice especial de desempeño de tal forma que el número óptimo de nodos corresponde al punto mínimo de este criterio. Este criterio es una combinación de la minimización de una función residual y de la varianza de las perturbaciones consideradas de naturaleza aleatoria. Un valor grande en la varianza de la perturbación da como resultado un óptimo diferente del número de neuronas en la red debido al efecto de "interferencia". El algoritmo de aprendizaje utilizado permite aplicar este procedimiento sin conocer la naturaleza de las perturbaciones y disminuye la cantidad de operaciones que se requieren en la convergencia del estimado. Se presentan algunos resultados de simulación para ilustrar la potencialidad del algoritmo propuesto.