Resumen

Este artículo revisa los métodos para fijar un número de neuronas ocultas en redes neuronales de los últimos 20 años. También propone un nuevo método para fijar las neuronas ocultas en redes de Elman para la predicción de la velocidad del viento en sistemas de energías renovables. La selección aleatoria de un número de neuronas ocultas puede causar problemas de sobreajuste o de infraajuste. Este trabajo propone la solución de estos problemas. Para fijar las neuronas ocultas, se prueban 101 criterios distintos basados en los errores estadísticos. Los resultados muestran que el modelo propuesto mejora la precisión y el error mínimo. El diseño perfecto de la red neuronal basado en los criterios de selección se corrobora utilizando el teorema de convergencia. Para verificar la eficacia del modelo, se realizaron simulaciones con datos de viento en tiempo real. Los resultados experimentales muestran que, con errores mínimos, el enfoque propuesto puede utilizarse para la predicción de la velocidad del viento. Se ha realizado un estudio para la fijación de neuronas ocultas en redes neuronales. El modelo propuesto es sencillo, con errores mínimos y eficiente para la fijación de neuronas ocultas en redes de Elman.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:neuronas, predicción de la velocidad del viento, modelo, redes elman, error mínimo, redes neuronales, artículo revisa métodos, sistemas de energía renovable, datos temporales del viento, fijación
• Keywords:neurons, wind speed prediction, model, elman networks, minimal error, neural networks, paper reviews methods, renewable energy systems, time wind data, fixation