Simulación usando redes neuronales del Test cognitivo Analogía de Matrices (original) (raw)

Programa de Simulación Neuroquirúrgica

2020

Objective: To describe a basic training program to implement at neurosurgery residency with a structured methodology, different complexity levels, and easily acquired elements.Introduction: Simulation is defined as use of models to imitate real life experiences. Due to complexity of neurosurgery learning, residency program should include simulation training that allows the resident learning basic skills outside the operating room and develop practices learned.Materials and methods: A training program was developed at Centro de Simulacion Quirurgica del Hospital Italiano, divided into three surgical complexity levels. Different exercises were designed with accessible, low cost and replicable materials. This program is carried out with a frequency of once a week, five hours each.Discussion: The proposed models have easy acquisition and high availability, allowing the development of microsurgical skills since early stages in residency, including the use of microsurgical instruments and...

Propuesta Metodológica Para la Creación de Modelos Neuronales de Caja Gris Utilizando Matlab

Los modelos de caja gris combinan ecuaciones diferenciales, que actúan como caja blanca y redes neuronales, utilizadas como caja negra para complementar el modelo fenomenológico. Estos modelos han sido utilizados en diversos trabajos comprobándose su eficacia. El presente trabajo tiene por objetivo proponer una metodología para la creación, entrenamiento y simulación de modelos neuronales de caja gris en Matlab a través del uso del toolbox de redes neuronales artificiales. Un completo ejemplo desde la representación hasta los resultados es expuesto en este trabajo.

Redes neurales vs modelos estadísticos: Simulaciones sobre tareas de predicción y clasificación

Neural networks vs statistical models: Simulations in prediction and classification tasks. Neural networks (multi-layer perceptrons) and statistical models (multiple regression, discriminant analysis and logistic regression) are compared in both prediction and classification tasks. The degree of correlation within predictors variables, and between predictors with the criterion is also manipulated. Results show no differences between neural nets and regression models in prediction tasks. However in classification tasks neural networks yield better results than discriminant analysis and logistic regression along all the conditions. Results are discussed in terms of the neural networks vs statistical models controversy.

Modelo de red neuronal artificial para predecir resultados académicos en la asignatura Matemática II

Revista Electronica Educare, 2023

Objetivo. Este artículo muestra el diseño y entrenamiento de una red neuronal artificial (RNA) para predecir resultados académicos de estudiantes de Ingeniería Civil de la Universidad Nacional Intercultural Fabiola Salazar Leguía de Bagua-Perú en la asignatura de Matemática II. Método. Se utilizó la metodología CRISP-DM, para recolectar los datos se emplearon encuestas, el modelo de RNA se implementó en el software Matlab utilizando el comando nnstart y dos algoritmos de aprendizaje: Scaled Conjugate Gradient (SCG) y Levenberg-Marquardt (LM), el rendimiento del modelo se evaluó mediante el error cuadrático medio y el coeficiente de correlación. Conclusiones. El algoritmo LM logró mejor efectividad en la predicción.

Entrenamiento De Una Red Neuronal Artificial Usando El Algoritmo Simulated Annealing

Scientia Et Technica, 2004

Fecha de recepción: 29 Marzo de2004 Fecha de aceptación: 16 Abril de 2004 ENTRENAMIENTO DE UNA RED NEURONAL ARTIFICIAL USANDO EL ALGORITMO SIMULATED ANNEALING RESUMEN La modificación de los pesos y bias con un algoritmo de entrenamiento de un perceptrón multicapa es un problema clásico de programación no lineal irrestricto. El presente trabajo muestra el desempeño del "Simulated Annealing" como algoritmo de entrenamiento de esta red neuronal resolviendo dos problemas clásicos en redes neuronales, el problema de la "Codificación" y el problema de la "Doble Espiral". Resultados de buena calidad son obtenidos cuando se compara esta propuesta frente a algoritmos clásicos de entrenamiento.