Nuevas Estrategias de Entrenamiento de Redes Neuronales y Comparación con Métodos Estándar

Abstract

En el análisis de la confiabilidad de sistemas estructurales no lineales con acciones dinámicas es necesario aplicar métodos de simulación para evaluar la probabilidad de falla, con técnicas de Monte Carlo, para varios niveles de desempeño de la estructura. Resulta conveniente aproximar la respuesta utilizando redes neuronales, las cuales deben ser “entrenadas” para minimizar las diferencias entre las predicciones de la red y los resultados del análisis estructural. Se propone una metodología de entrenamiento basada en técnicas de optimización mediante búsqueda aleatoria, evaluando el vector gradiente solo en la etapa de ajuste final. Los resultados muestran que es eficiente al compararla con el método estándar de backpropagation y con herramientas de software comercial.