Redes neuronales artificiales para la modulación predictiva de la permeabilidad al vapor de agua de películas de quitosana con arcilla

El objetivo de este trabajo es aplicar las Redes Neuronales Artificiales (RNA) para la modelación predictiva de la permeabilidad al vapor de agua de películas de quitosana con arcilla, siendo este uno de los factores más importantes en la caracterización de películas y recubrimientos comestibles. Para ello se tomaron 30 conjuntos de datos aleatorios de la base de datos obtenidos por Casariego y col. (2009), para el entrenamiento selección y validación; y 10, igualmente aleatorios con el objetivo de introducir valores ajenos al entrenamiento de la Red y comparar los valores predichos contra resultados reales obtenidos en la base de datos utilizada. El diseño, programación y validación de la red se realizó en el Software Informático Neural Designer (Versión 591). Se eligió como modelo, Perceptron Multicapa; y una arquitectura de 3:5:1 (Capa de entrada: Capa oculta: Capa de salida) utilizando Tangente Hiperbólica como función de activación y Levenberg-Marguardt como algoritmo de aprendizaje. Se obtuvo un EMC de 0.00046 y un R2 de 0.9207 en la Regresión de los datos reales contra los datos simulados, siendo esto un resultado satisfactorio que demuestra el correcto entrenamiento de la Red y la eficacia de la predicción

Art · Humanities · Physics · Advanced Chemical Sensor Technologies · Water Quality Monitoring and Analysis