Examinando por Materia "Redes neuronales artificiales"
Mostrando 1 - 20 de 21
Resultados por página
Opciones de ordenación
Publicación Acceso abierto Aplicación de los mapas auto-organizados (SOM) en identificación del valor del cliente para facilitar la selección de los más valiosos(Universidad del Valle, 2014) Ramos Gastaldi, Tayná Lorena; Cuadros López, Álvaro JulioLa medición del valor de los clientes se ha tornado en un tema clave para el desarrollo y mantenimiento de relaciones rentables a largo plazo entre las empresas y clientes (Stahl, Matzler, & Hinterhuber, 2003). Es por esto que la segmentación de mercados ayuda a las organizaciones a solucionar este problema al proponer una metodología cuyo objetivo es dirigir el producto indicado, al cliente correcto, en el momento adecuado. El presente trabajo de grado propone analizar la aplicación del método de segmentación de clientes por medio de Redes Neuronales, método que ha sido poco abordado en el ámbito académico colombiano y que ha ganado los últimos años un mayor reconocimiento entre importantes autores alrededor de todo el mundo. Según Smith et al. (2000), durante los últimos años se ha visto una rápida aceptación de las redes neuronales artificiales y su aplicación en la minería de datos, las cuales resultan útiles para resolver una alta gama de problemas de las empresas. Muchos de estos problemas implican tareas que han sido normalmente dominio de los investigadores de operaciones, como la previsión, el modelado, la agrupación y la clasificación. Este trabajo presenta el uso de los Mapas Auto-Organizados de Kohonen (SOM por sus siglas en inglés Self Organizing Maps) como la herramienta desde la investigación de operaciones para procesar la información de los clientes de una Base de Datos y explorar diferentes clasificaciones para apoyar estrategias comerciales en las organizaciones.Publicación Acceso abierto Aplicativo de detección vehicular para apoyar el sistema de detección actual mediante la utilización de UAV(Universidad del Valle, 2022) Ordóñez Hiles, Andrés Felipe; Jaramillo, CiroPara las grandes ciudades la toma de información vehicular se ha convertido en una necesidad constante para cosas como comprender la dinámicas viales, seguridad vial y control vehicular entre muchos otros usos, sin embargo obtener dicha información usualmente requiere de infraestructura costosa y procesos complejos; por consiguiente, en el presente proyecto se desarrolló una metodología para la identificación de vehículos particulares y su posición respecto a la vía mediante el uso de fotogrametría aérea por UAV, el trabajo esta divido en la selección del hardware, selección de los escenarios, detección vehicular y de las posiciones de la placa, extracción de caracteres de la placa, generación de resultados y validación. El UAV utilizado fue un phantom 4 pro v2, la red neuronal utilizada fue una YOLOv4 y se usó un extractor de caracteres tesseract OCR, se obtuvo una precisión media de 87% en la detección de clases para la red neuronal y del 100% para la extracción de caracteres de la placa además de posiciones con errores centimétricos. La metodología planteada es un acercamiento para los sistemas de detección vehicular autónomos mediante UAV que pueden apoyar otras tecnologías existentes.Publicación Acceso abierto Una aproximación práctica a las redes neuronales artificiales.(2017-08-28) Caicedo Bravo, Eduardo Francisco; López Sotelo, Jesús AlfonsoCONTENIDO: Generalidades sobre redes neuronales artificiales -- Redes neuronales perceptron y adaline -- Perceptron multicapa y algoritmo backpropagation -- Red neuronal de Hopfield -- Mapas auto-organizados de Kohonen -- Red neuronal de Base radial (RBF).Publicación Acceso abierto Clasificación de granos de café usando FPGA.(2011-10-13) Hernández, Jorge; Prieto, FlavioEste artículo presenta el desarrollo de un sistema para la clasificación de granos de café, según la etapa de maduración, utilizando redes neuronales artificiales (RNAs). Como herramienta de clasificación se utilizaron dos estructuras de RNAs, perceptrón multi-capa (MLP) y el modelo de red neuronal basado en bloques (BBNN). La estructura MLP fue diseñada e implementada sobre C++ usando el algoritmo de aprendizaje con retro-propagación del error. Para aumentar la velocidad de ejecución de la RNA se implementó bajo dispositivos electrónicos utilizando su paralelismo natural. El modelo BBNN consiste en un arreglo bidimensional de bloques fundamentales y pesos enteros, dirigidos a la fácil implementación sobre dispositivos electrónicos configurables como los arreglos de compuerta programable por campo (FPGAs). La optimización de la estructura usa un algoritmo genético. Esta estructura ha sido implementada y sintetizada sobre la tarjeta Altera Flex 10K FPGAs. El porcentaje de efectividad para la estructura MLP fue 91.7% y para el modelo BBNN fue 89.5%.Publicación Acceso abierto Clasificación de zonas propensas a movimientos en masa como fuente de materiales para avenidas torrenciales en la Cuenca del Río la Paila (Corinto-Cauca) mediante inteligencia artificial(Universidad del Valle, 2022) Paruma Vásquez, Eimy Dayana; Gutiérrez Rondón, Jhonatan Alexander; Ospina Ostios, Lina; Alfonso-Morales, WilfredoLos fenómenos naturales (FN) son eventos que pueden afectar un territorio sin importar su ubicación o su desarrollo económico, relacionándose directamente con los factores condicionantes y detonantes inherentes a la zona donde se presentan. Colombia por su topografía, el clima y su ubicación geográfica, es un país propenso a la ocurrencia de diferentes FN como los movimientos en masa (MM). Adicionalmente, si a dichas condiciones se le suman variables políticas, económicas y sociales que dificultan el acceso a los territorios como los comprendidos por la cuenca del río La Paila (municipio de Corinto, Cauca), se hace imperativo desarrollar metodologías que permitan dotar a las comunidades de instrumentos que mejoren su capacidad de respuesta ante la posible ocurrencia de MM. El presente trabajo de grado desarrolla una metodología basada en técnicas de inteligencia artificial, las cuales permitieron predecir la ocurrencia o ausencia de un MM considerando tanto los factores condicionantes (geología, usos del suelo y pendientes) como los detonantes (precipitaciones). Se observó una buena correlación entre las variables analizadas como lo muestra la curva de aprendizaje, la cual tuvo una tendencia a estabilizarse y la precisión se mantuvo por encima del 80 % en la mayoría de épocas definidas en el entrenamiento. Aunque el modelo construido arrojó una validación de entrenamiento óptima y la validación de los resultados con un AUC de 0.98 para predicciones con 10 días de anticipación; los resultados cartográficos presentan inconsistencias espaciales debido a la escala de los datos utilizados para el entrenamiento y las predicciones. Se concluye que si bien las variables usadas presentan una alta correlación para la identificación de posibles MM, se hace necesario mejorar la escala de los datos fuente buscando que la precisión cartográfica de los resultados mejore y así su comportamiento espacial muestre patrones físicos acordes al fenómeno estudiado.Publicación Acceso abierto Detección de defectos mecánicos internos láminas de CFRP basada en un clasificador tipo RNA y el algoritmo de contraste CTFF(Universidad del Valle, 2016) Ospina Muñoz, Jhoan David; Restrepo Girón, Andrés David; Morales, Wilfredo AlfonsoLas técnicas de ensayo no destructivo en la industria están en constante evolución, ya que permiten examinar los materiales sin alterar de forma permanente las propiedades físicas, químicas o mecánicas. Adicionalmente, las técnicas de ensayo termográfico no destructivo, permiten estimar la calidad de manera rápida, sencilla y sin contacto. Desde este enfoque, se plantea detectar los defectos en láminas de plástico reforzado con fibra de carbono (CFRP) aplicando Redes Neuronales Artificiales como clasificador de una secuencia de imágenes IR usando características de contraste obtenidas a través de la técnica de compensación térmica de fondo mediante filtrado (CTFF). Los resultados obtenidos en este estudio demuestran que la técnica CTFF resultó ser más efectiva en la clasificación de defectos en las láminas CFRP usando una arquitectura feedforward con algoritmo de entrenamiento de entropía cruzada con softmax. Con una topología de 17 neuronas en la capa oculta, para la secuencia de 157Hz se obtuvo un porcentaje de clasificación 96.4% y una sensibilidad de 96.16%; mientras que con 12 neuronas en la capa oculta, para la secuencia de 90Hz se obtuvo un porcentaje de clasificación de 98.6% y una sensibilidad de 98.13%.Publicación Acceso abierto Diseño de un algoritmo de redes neuronales artificiales para la elaboración de planes de acondicionamiento físico personalizados.(Universidad del Valle, 2020) Rivera Bedoya, Luis Alejandro; Sanchez Zapata, Carlos Alberto; Loaiza Acuña, EdwinEl presente trabajo evidencia la colaboración de ingenieros industriales con expertos en las ciencias de la salud con el objetivo de diseñar un algoritmo de redes neuronales artificiales para la elaboración de planes de acondicionamiento físico personalizados para los usuarios de un centro de acondicionamiento físico de la ciudad. A través del método Delphi, se obtuvieron las variables de entrada para el algoritmo luego de realizar con los expertos un listado con los datos relevantes que se deben tener en cuenta para diseñar adecuadamente un plan de acondicionamiento. Además, se diseñó un formulario y se seleccionó una población objetivo para la recolección de datos de variables. Posteriormente, se diseñó el algoritmo de redes neuronales con las variables de entrada seleccionadas y con base en la estructura básica de un plan de acondicionamiento físico y la prescripción de ejercicios, además de los datos recolectados de la población objetivo de variables, así como de un segundo formato con el cual se recolectó información de las rutinas de ejercicios y la percepción de los individuos luego de ejecutarlas. Estos datos sirvieron para alimentar y activar el mecanismo de aprendizaje del algoritmo. Por último, se validó el funcionamiento del algoritmo por medio de una prueba piloto, diseñando planes para una población diferente y recolectando los datos de su percepción, así como la de los expertos. En conclusión, la correcta selección de las variables, la forma de recolección de la información y la definición del mecanismo de aprendizaje del algoritmo, fueron la base del éxito del algoritmo, el cual arrojó resultados positivos en cuanto a la elaboración de planes de acondicionamiento físico personalizados, de acuerdo con la percepción de los individuos de la prueba piloto.Publicación Acceso abierto Diseño de un sistema de pronósticos en redes neuronales artificiales para la demanda de acumuladores de plomo en una empresa del sector autopartes(Universidad del Valle, 2015) Jiménez Canticus, Leidy Johana; Quijano Echeverry, Andrés Felipe; Díaz Pacheco, Raúl AntonioLos pronósticos son esenciales en toda organización para la toma de decisiones debido a que influyen en el logro de los objetivos de diversas áreas como la producción, mercadeo, inventarios, compras, entre otros. Por lo tanto, este trabajo estudia la aplicabilidad de las redes neuronales artificiales como método para la estimación del pronóstico de la demanda, como una alternativa que ha demostrado en diferentes investigaciones tener mejor desempeño que los métodos tradicionales de series de tiempo. La investigación se desarrolla en una empresa catalogada como pequeña, que se dedica a la fabricación de acumuladores de plomo o baterías que actualmente no tiene un sistema de pronósticos establecido, seleccionando tres referencias comercializadas por la empresa. Se propone una metodología de perceptrón multicapa entrenado mediante el algoritmo de backpropagation y simulado en el software MATLAB R2014a utilizando como variable de estudio la demanda de cinco años. Los métodos de promedio móvil, suavización exponencial simple y suavización exponencial doble son evaluados seleccionando el de mejor desempeño según los indicadores de precisión para cada referencia. Las señales de rastreo de errores acumulados y suavizados son utilizadas para monitorear el desempeño de la metodología en redes neuronales y de las series de tiempo, obteniendo que los métodos tradicionales de series de tiempo aplicados en las tres referencias se encuentran fuera de control, indicando la presencia de errores no aleatorios asociados al método de pronóstico. Sin embargo, en la metodología de redes neuronales se obtiene que los pronósticos están bajo control demostrando la capacidad de obtener buenas predicciones en comparación a los otros métodos. Finalmente, se obtiene una notable reducción del error cuadrático medio de las redes neuronales en comparación a los métodos tradicionales de series de tiempo, concluyendo que las redes neuronales artificiales constituyen un buen método para la predicción de la demanda al ser capaz de adaptarse con precisión a los cambios de tendencia y la importancia de monitorear los métodos de pronostico a través del uso de señales de rastreo para mantener bajo control los parámetros que componen el sistema de pronóstico.Publicación Acceso abierto Diseño e implementación de un sistema en un solo chip para la navegación y reconocimiento de señales de tránsito en un sistema robótico móvil.(2013-09-20) Giraldo, Juan J.; Estrada, Eliud; Pineda, Diego F.; López, AlexanderDado que los accidentes de tránsito son una de las causales más relevantes de muertes a nivel mundial, este artículo pretende sustentar el diseño de un sistema en un solo chip (SoC), que tiene la capacidad de reconocer algunas señales de tránsito, obstáculos y las líneas blancas que delimitan una carretera en un escenario controlado, proporcionando una perspectiva a futuro para la implementación de pilotos automáticos en automóviles reales que ayuden a disminuir los índices de accidentalidad. El SoC opera sobre un FPGA (Field Programmable Gate Array) con el propósito que los algoritmos de alta velocidad de procesamiento sean implementados en hardware, y los algoritmos de baja velocidad sean implementados en software. Por lo tanto se desarrollaron diversos módulos hardware para la captura de video, pre-procesamiento de imágenes y control del balance de blancos para la captura de video. También se diseñaron algoritmos en software, tales como navegación, visión artificial estereoscópica y el reconocimiento inteligente de las señales de tránsito, conformando un conjunto de procesos que son administrados por un sistema operativo en tiempo real (RTOS). Los resultados del SoC se obtuvieron a partir de simulaciones de una plataforma robótica navegando en una carretera controlada y diseñada a pequeña escala.Publicación Acceso abierto Evaluación de la sequia en el departamento de Nariño mediante el índice estandarizado de precipitación evapotranspiración(SPEI) utilizando inteligencia artificial.(Universidad del Valle, 2021) Triana Madrid, Juan Camilo; Carvajal Escobar, Yesid; Ocampo Marulanda, CamiloLa sequía es un evento climático extremo de la naturaleza, que ha aumentado gradualmente en su duración, frecuencia e intensidad debido al cambio climático. Debido a esto, los estudios de la sequía han incrementado en los últimos años con el fin de caracterizar, comprender, mitigar y reducir los impactos negativos. En este estudio se estimaron diferentes métodos de evapotranspiración potencial: FAO-PM56 (FAO PENMAN MONTEITH), Hargreaves, Turc, Thornthwaite y Cenicafé, los cuales fueron evaluados mediante métricas de desempeño de validación: coeficiente correlación de Pearson, BIAS, NSE (ecuación Nash-Sutcliffe), RMSE (error cuadrático medio) y estadístico t, para determinar el método más ajustado al sugerido por la FAO (FAO-PM56) el cual fue Hargreaves. Posteriormente, para la estimación del método de Hargreaves y de FAO-PM56, se compararon dos modelos, regresión lineal múltiple y redes neuronales artificiales, donde también se aplicaron métricas de desempeño de validación (R2 , BIAS, NSE, RMSE y coeficiente de correlación de Pearson). Finalmente se realizo la estimación del índice de sequía SPEI y SPI, y se correlacionaron ambos índices interpolaron los resultados utilizando kriging para determinar las zonas más secas del departamento de Nariño.Publicación Acceso abierto Hacia el desarrollo de nuevas máquinas computacionales : lecciones que aprendemos de la naturaleza.(2011-10-13) Peña Reyes, Carlos Andrés; Pérez Uribe, Andrés; Restrepo García, Héctor FabioLos organismos vivos son sistemas complejos que exhiben un amplio tango de propiedades interesantes, tales como evolución, crecimiento y aprendizaje, tres tipos diferentes de adaptación que son difícilmente realizables con metodologías tradicionales de ingeniería. Recientemente los ingenieros, seducidos por ciertos procesos naturales, han dado origen a campos como la embriónica, las redes neuronales artificiales y la computación evolutiva para proponer soluciones novedosas inspiradas de la naturaleza.Publicación Acceso abierto Herramienta para la identificación de procesos y simulación de redes neuronales mediante una agenda digital programable.(2011-10-13) Bacca Cortes, Eval Bladimir; Minotta Hurtado, Javier A.Este artículo describe el diseño, implementación y prueba de la herramienta denominada UV-SRNA-PDA (simulador de redes neuronales artificiales de la Universidad del Valle para una agenda digital programable), que está orientada a la simulación de redes neuronales artificiales y a la identificación de procesos industriales complejos. Esta aplicación trabaja sobre una agenda digital programable (PDA) Palm T5 usando un sistema de adquisición de datos diseñado para tal fin. Dos tipos de redes neuronales fueron implementados: el perceptrón y el perceptrón multicapa (MLP) usando como algoritmos de aprendizaje los siguientes: propagación hacia atrás, gradiente descendente, velocidad de aprendizaje variable y momentum. Las pruebas se realizaron sobre plantas de primer y segundo orden (sólo esta última es reportada en este artículo), obteniendo su modelo neuronal y validando sus resultados en dos plataformas conocidas: MATLAB y UV-SRNA 2.0 (versión de la UV-SRNA-PDA para PC). Estas pruebas arrojaron un error de entrenamiento promedio de 5.62 × 10-3 ± 3.55 × 10-4 y un error de validación promedio de 4.56 × 10-3 ± 5.95 × 10-4. En ambos casos, los resultados son mejores o comparables con los de las otras herramientas de simulación. Sin embargo, el tiempo de entrenamiento típico en UV-SRNA-PDA fue de 900 s en comparación con los 3 s para MATLAB y 8 s para la UV-SRNA 2.0Publicación Acceso abierto Implementación de redes neuronales artificiales y series temporales para la generación de productos de máscaras de nubes e imágenes modis.(2018-11-26) Chamorro Yela, Gabriela Lucía; Sierra Ordoñez, Juan David; Hernández Torres, Francisco LuisLas máscaras de nubes son productos que discriminan la cobertura nubosa presente en las imágenes satelitales, facilitando la interpretación y el análisis de las coberturas terrestres en diferentes estudios de teledetección espacial. Se han propuesto diferentes métodos para el enmascaramiento de las nubes, sin embargo presentan variaciones en cuanto a precisión, tiempo de procesamiento y su facilidad de implementación. En este sentido, para el presente proyecto se propone la aplicación de dos métodos correspondientes a Redes Neuronales Artificiales de Perceptrón Multicapa (RNA-MLP) y el algoritmo de máscaras de nubes basado en la inflexión de una serie temporal (IBCM). La metodología se compone por cinco fases correspondientes a: pre-procesamiento, selección de variables, desarrollo del algoritmo de IBCM, desarrollo del algoritmo de RNA y por último la comparación y validación de los resultados. Los resultados muestran que los métodos propuestos presentan errores globales del 1.75% y 12.71% para RNA e IBCM y concordancias con la máscara de la MOD09A1 de 0.87 y 0.72 respectivamente.Publicación Acceso abierto Implementación de un algoritmo de aprendizaje para la arquitectura Deep - Networks(Universidad del Valle, 2017) Salazar Vásquez, Fredy Antonio; Caicedo Bravo, Eduardo Francisco; Wilfredo, AlfonsoEste trabajo presenta una revisión histórica de la evolución de las redes neuronales artificiales, desde el uso de modelos mono capa hasta el origen del Deep Learning. Se explica el motivo y la necesidad de adoptar estas tecnologías y se describe diferentes arquitecturas de Deep Networks. Se presenta el desarrollo de una aplicación que permite el dise¿no de Deep Networks y su entrenamiento utilizando algoritmos de Deep Learning. Se estudia la metodología propuesta para el desarrollo Deep Networks y se utiliza la tarjeta NVidia Jetson TK1 para evaluar el desempeño de la aplicación desarrollada. Pese a las limitaciones que posee la tarjeta, se verifica el funcionamiento de las arquitecturas propuestas y los algoritmos de aprendizaje sobre 2 bases de datos de mediana complejidad.Publicación Acceso abierto Implementación de una herramienta para clasificar patrones de comportamiento en cartas de control univariadas.(2019-07-07) García Marín, José Fernando; González Velasco, JuliánEl control de la calidad de los productos, es una parte fundamental en las organizaciones que pretenden sobrevivir en mercados competentes, y globalizados, como los que se viven hoy en día. El control estadístico de procesos, es una herramienta para asegurar la calidad de los productos. Por lo tanto, diagnosticar el estado de control de la producción, mediante gráficos de control, es un proceso que requiere la mayor atención posible. Este diagnóstico tradicionalmente es realizado de forma manual por personal no calificado y con poca experiencia en este tipo de herramientas. Esto implica problemas como carencia de objetividad y precisión en la identificación de variaciones no naturales. En esta investigación se analizan algunas de las diferentes herramientas inteligentes, direccionadas al reconocimiento de patrones de inestabilidad en gráficos de control, y se examinan algunos modelos relacionados con el tema. Se hace una selección de la herramienta que se cree es la más apropiada para la clasificación de patrones, tomando en cuenta criterios implícitos expuestos por autores de las diferentes investigaciones referenciadas en este estudio. Al considerar ciertos criterios para la selección de la herramienta de clasificación, se elige a las redes neuronales artificiales como el método de reconocimiento de patrones apropiado, además se hace una breve descripción acerca de su funcionamiento y características. En seguida, se desarrolla el modelo basado en redes neuronales artificiales, utilizando algunos parámetros considerados por distintos autores para su desarrollo, y se hace un análisis de las variables implicadas. Finalmente, se evalúa el modelo mediante un caso de estudio con datos reales para la verificación del estado de control de un proceso. Esta información es proporcionada por una empresa del sector azucarero en el Valle del Cauca.Publicación Acceso abierto Introducción a la redes neuronales artificiales. Segunda Parte.(2011-10-13) Gómez, GabrielPublicación Acceso abierto Modelo de clasificación de promotores basado en redes neuronales artificiales(Universidad del Valle, 2010) Bustamante Muñoz, Santiago; Bedoya Leyva, Oscar FernandoActualmente para la predicción de señales promotoras se usan diferentes métodos computacionales que utilizan como estrategia de predicción métodos intrínsecos probabilísticos tales como secuencias consenso, matrices de score o de puntuación y modelos ocultos de Markov; y métodos intrínsecos como redes neuronales artificiales (RNA), árboles de decisión y estrategias integradoras. No obstante, estos métodos computacionales tienen exactitudes que aún se pueden mejorar causando que no exista consenso entre ellas. Este proyecto plantea el desarrollo de dos modelos de predicción de señales promotoras utilizando como estrategia el uso de redes neuronales artificiales con el propósito de evaluar y comparar dichos modelos. En el primer modelo se emplea la estrategia de utilizar como valores de entrada para la RNA resultados obtenidos por diferentes modelos ocultos de Markov. En el segundo modelo de RNA se emplea la estrategia que utiliza como valores de entrada los resultados obtenidos por otras RNAs de predicción de secuencias de caja consenso ya conocidas. Para este proyecto los modelos propuestos están enfocados sólo a la predicción de promotores reconocidos por el ARN polimerasa tipo II o B de las especies Rattus norvegicus y Mus musculus. Los resultados de las pruebas realizadas indican que los modelos propuestos alcanzan un sensitividad hasta del 74.54% y una especificidad del 82.72% superando a muchos de los predictores de promotores existentes.Publicación Acceso abierto Modelo de segmentación de clientes basado en la generación de valor para la formulación de las estrategias del marketing(Universidad del Valle, 2011) Domínguez Vivas, Victoria Eugenia; Cuadros, Alvaro JulioEl objetivo de este proyecto de grado, se basa en el desarrollo de una heurística que permita segmentar los clientes de una empresa en términos del valor del cliente, como herramienta de apoyo para la formulación estratégica del marketing. La problemática de este proyecto se sustenta en la necesidad que presentan algunos investigadores del marketing relacional, de realizar más investigaciones sobre modelos de segmentación que contemplen el valor del cliente como elemento esencial para la clasificación de los clientes. En este documento se presenta un marco conceptual y una base metodológica para el desarrollo de una heurística sustentada en modelos financieros para el cálculo del valor del cliente y la aplicación de redes neuronales artificiales específicamente mapas auto-organizados de Kohonen, que permiten detectar las similitudes y características de los clientes y en este sentido poder conformar finalmente los clúster deseados. Como resultado de la aplicación de este modelo las empresas adquieren una ventaja competitiva al poder conocer de forma cuantitativa las características propias de los clientes y sus respectivos comportamientos en términos financieros; además de representar una fuente valiosa de información para la toma de decisiones de inversión y definición de estrategias con el fin de maximizar la rentabilidad y el valor de la organización en el futuro.Publicación Acceso abierto Red neuronal perceptron multicapa para estimar curvas de secado en el aislamiento celulósico de los transformadores de potencia(Universidad del Valle, 2015) Riascos Hurtado, Valentina; Garcia Gomez, Diego Fernando; Caicedo Bravo, Eduardo FranciscoLos transformadores de potencia son elementos indispensables en los sistemas de potencia, que continuamente reciben humedad por distintas fuentes, la cual se aloja principalmente en sus aislamientos celulósicos, y por esto son sometidos periódicamente a procesos de secado. Para conocer la manera en que cambia la concentración de humedad del aislamiento (Curva de Secado) durante el secado, se puede emplear un modelo de difusión de humedad basado en la segunda ley de Fick y que puede ser resuelto mediante el método de elementos finitos (MEF). Para implementar un modelo MEF de difusión de humedad se debe tener un software especializado y saber manejar los parámetros del modelo. Por lo cual, en este trabajo de grado, se desarrolló una red neuronal Perceptrón Multicapa (MLP), para estimar la curva de secado de los aislamientos celulósicos de cartón prensado de transformadores de potencia. La red neuronal fue implementada mediante el software MATLAB. En este informe se mostrará la concepción de la red y cómo se realizó su entrenamiento; también se muestra la validación de la red, incluyendo un análisis estadístico de los resultados obtenidos en el proceso de validación.Publicación Acceso abierto Relé para la Protección de un transformador de potencia basado en redes neuronales artificiales.(2011-10-13) Torres Breffe, Orlys E.; Vilaragut Llanes, Miriam; Martínez García, Antonio; Díaz Ramírez, YarimaEn este trabajo es presentado un método de inteligencia artificial, utilizando Redes Neuronales para proteger Transformadores de Potencia. En el proceso de entrenamiento se consideró, entre otros regímenes, si el neutro del transformador está aterrado o aislado de tierra y la apertura de un conductor en el secundario de los transformadores de corriente. Se utilizó una red de propagación hacia delante, con 2 capas ocultas, y un entrenamiento supervisado con retropropagación del error.