IngenieríaIndustrial.

  37
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

FiltrosconAprendizajedeParámetrosparaOptimizar
ModelosdeRedesNeuronalesenlaPrediccióndeSeries
dePrecipitaciones
(FilterswithParametersLearningforOptimizingNeuralNetworkModels
inPredictingRainfallSeries)
SabaInfante,FernandoCedeño,JoséOrtega

PalabrasClave:RedesNeuronales;FiltrodeKalmanExtendido;FiltrodePartículas;Seriesde
Precipitaciones.
KeyWords:NeuralNetworks;KalmanExtendedFilter;ParticleFilter;PrecipitationSeries

RESUMEN  bondad de ajuste para medir la exactitud
delmodelo.Losresultadosdemuestranque
En este estudio se usó un modelo de redes el modelo ajustado es útil para predecir
neuronales (RN) para predecir los niveles niveles de precipitaciones mensuales con
de lluvia en Venezuela. El estudio está altaexactitudyconfiabilidad.
basadoenseriesdelluviatotalmensualdel ABSTRACT
periodocomprendidoentre19712000de36
estaciones meteorológicas. Para determinar
In this study it was used a neural network
ladimensióndeinmersióndelosdatos,así
model (NN) to predict rainfall levels in
como el tiempo de retardo, número de
Venezuela.Thestudyisbasedonaseriesof
pasos hacia atrás necesarios para predecir
monthly total rainfall in the period 1971
un valor futuro, se utilizan dos técnicas
2000 from 36 meteorological stations. One
estándar de los sistemas dinámicos, la
determine the embedding dimension of the
Información Mutua Promedio (AMI) y los
data and the delay time, the number of
Falsos Vecinos más Cercanos (FNN). Una
backwardstepsnecessarytopredictafuture
vez determinadas las variables de entrada,
value, two standard techniques of
se diseña el modelo predictivo formulado
dynamical systems, the Average Mutual
en términos de los modelos espacioestado.
Information (AMI)andtheFalseNeighbors
Paraestimarlospesosdelaredseutilizaron
Nearest(FNN).Afterdeterminingtheinput
dos algoritmos de aprendizaje Filtro de
variables, were used the predictive model
Kalman Extendido (FKE) y Filtro de
was designed in terms of statespace
Partículas o Muestreo de Importancia
models. To estimate the weights of the
Secuencial (FP o SIR). Se utilizó el criterio
network we used two learning algorithms,
de información Bayesiano  (BIC) para
the Extended Kalman Filter (FKE) and a
seleccionar el número de neuronas de la
Particle Filter or Sequential Importance
capa oculta. Se proponen dos métodos de

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
Sampling(PForSIR).WeusedtheBayesian
information criterion (BIC) to select the
number of neurons inthe hiddenlayerand
we proposed two methods to measure
goodnessoffitofthemodelsaccuracy.The
results show that the fitted model is useful
in predicting monthly rainfall levels with
highaccuracyandreliability.
INTRODUCCIÓN  dinámico, y luego sobre la base de esta
Durante muchas décadas, físicos,
matemáticos,astrónomos,meteorólogos,
economista,biólogoseinvestigadoresen
las ciencias médicas han tratado de
comprender la complejidad de la
naturaleza del mundo real. Todos los
procesos físicos involucran variabilidad
en el espacio y en el tiempo; por
ejemplo,losmeteorólogosporlogeneral
están interesados en la evolución en el
tiempo de ciertos parámetros como: el
viento, la temperatura y las
precipitaciones sobre un dominio
espacial de interés. Por otra parte, las
bases  de datos de estos fenómenos son
típicamente muy grandes, con muchos
datos faltantes durante ciertos periodos
de tiempo, con comportamientos
irregulares y en algunos casos con
dinámicas caóticas. La teoría del caos
provee herramientas para observar el
orden y reglas para determinar el
comportamiento del sistema dinámico.
Las técnicas de modelación utilizadas
por Abarbanel (1996), Fraser y Swinney
(1986)  permiten caracterizar las series
temporales generadas  por  estos
sistemasdinámicos.
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 38
Año3,Vol.II,N°5
 ISSN:18568327
En este trabajo se emplean como
herramientas matemáticas la función
AMI (Información Mutua Promedio o
Average Mutual Information) y la
función FNN (Falsos vecinos más
cercanosoFalseNearestNeighbors),con
el objetivo de reconstruir la dinámica y
el tiempo de retardo del sistema
información se introduce un modelo de
redes neuronales que tiene como
entradalasminiseriesobtenidasapartir
delaserietemporaloriginalusandolos
métodos AMI y FNN.  Existe una
extensa literatura de modelos
estadísticos de RN, (véase  Cheng y
Titterington, 1994; Bishop, 1995; Ripley,
1994 y 1996; Neal, 1996; Titterington,
2004;Rajunkaretal.,2002;Mencheroet
al., 2005; Bustami  et al., 2007; Saffari et
al.,2009).
Entre algunos trabajos recientes
relacionados con las funciones AMI y
FNN para determinar la dinámica del
sistema dinámico y luego utilizar un
modelo de RN entrenado por el
algoritmo de Backpropagation para
estimarlosparámetrosypredecir,están
losdeCalderónyPérez(2006),Lucioet
al.(2007)eInfanteetal.(2008).
En este trabajo se propone usar una
estrategia metodológica diferente  para
estimar los parámetros del modelo de
RNenformasecuencialyentiemporeal
usandounaformulacióndelosmodelos
espacio estado,  mediante el algoritmo
filtro de Kalman extendido (FKE), De
Freitas et al.  (1998)  y  Lary y Mussa
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
(2004)  y el algoritmo de filtro de
partículas(FP),Doucetetal.(2000),De
Freitasetal.(2000),Moraisetal.(2008)
eInfanteetal.(2009).
El algoritmo de aprendizaje de FKE
permite obtener mejores resultados que
las técnicas de estimación
convencionales tales como el algoritmo
deBackpropagation,yaquehaceusode
los estadísticos de segundo orden
(covarianzas) que son esenciales para
propagarelerrorsobrelaspredicciones,
además muestra excelente convergencia
en los parámetros estimados, debido a
quesetienebastantememoriaenlabase
del computador y la precisión de la
máquina es alta. El FKE se basa en la
expansión analítica de una serie de
Taylordeunsistemanolinealdadopor
laecuacióndeobservaciónalrededorde
los estimadores máximo verosímil; que
en este caso son: la media y covarianza
condicional a posteriori. También se
propone usar el algoritmo de FP como
método para entrenar el modelo de
redes neuronales. La estrategia permite
que los parámetros de aprendizaje
(pesos de la red) se actualicen en forma
secuencial utilizando una distribución
de probabilidad a posteriori. La técnica
esadecuadaparamodelajededatosque
tengancomportamientonoestacionario,
estructuras  no lineales, y que se
requieran estimar en tiempo real;
además, tiene la ventaja que no se
requiere de ninguna restricción sobre la
distribución y la forma funcional. La
idea principal del algoritmo de FP es la
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 39
Año3,Vol.II,N°5
 ISSN:18568327
siguiente: el espacio estado es
particionado  en muchas regiones, las
cuales son rellenadas por partículas de
acuerdoalgunamedidadeprobabilidad.
Las partículas con la  mayor
probabilidad son seleccionadas. El
sistema de partículas se actualiza a lo
largo del tiempo de acuerdo a dos
ecuaciones,  una de estado  o transición
y la otra de observación  o  evolución,
las cuales involucran  funciones de
densidad de probabilidad que se
estiman  recursivamente en dos pasos
denominados,  predicción y
actualización.
Elrestodelartículoesorganizadocomo
sigue: En la primera sección se plantea
la metodología a seguir, se define: el
modelodeRNenformaespacioestado,
y se detallan los algoritmos filtro del
Kalmanextendidoyfiltrodepartículas;
se definen las medidas utilizadas para
determinar la exactitud de predicción
del modelo de RN y el método de
transformación de los datos. En la
siguiente Sección se muestra una
discusión de los resultados obtenidos; y
en la Sección final  se establecen las
conclusionesobtenidas.
METODOLOGÍA
Enloquesiguesedefinen:elmodelode
RN en forma de espacio estado y los
algoritmos utilizados para estimar los
parámetros del modelo. El objetivo de
utilizar un modelo RN conjugado con
lastécnicasdelossistemasdinámicoses
que en primer lugar: las precipitaciones
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
se comportan como un sistema caótico
no lineal que es difícil de controlar
porque presenta inestabilidad y
sensibilidad a las condiciones iníciales;
la teoría de caos permite establecer un
orden; en segundo lugar, se quiere
utilizar la capacidad de las RN para
generalizaryenestetrabajoseproponen
dos estrategias de optimización para
estimar los pesos del modelo, que
garantizan el aprendizaje de los
parámetros en forma eficiente y con
mayor control sobre el sistema
estudiado.
LostrabajosdeTakens(1981)yCasdagli
(1989) entre otros, han establecido la
metodología necesaria para modelar
series de tiempo que tienen un
comportamiento no lineal. A partir de
una serie de tiempo univariada,
ܺ ൌ ሼ‫ݔ‬ଵǡ ‫ݔ‬ଶ ǡ ǥ ǡ ‫ݔ‬௡ ሽ se construyen los
vectores de estados ‫ ݔ‬௜ ሺ‫ݐ‬ሻ ൌ ሼ‫ݔ‬ሺ‫ݐ‬ሻǡ ‫ݔ‬ሺ‫ ݐ‬െ
߬ሻǡ ǥ ǡ ‫ݔ‬ሺ‫ ݐ‬െ ሺ݉ െ ͳሻ߬ሻሽ;donde:‫ݔ‬ଵ ൌ ‫ݔ‬ሺ‫ݐ‬ሻǡ
‫ݔ‬ଶ ൌ ‫ݔ‬ሺ‫ ݐ‬െ ߬ሻǡ ǥ ǡ ‫ݔ‬௠ ൌ ‫ݔ‬ሺ‫ ݐ‬െ ሺ݉ െ
ͳሻ߬ሻ‫ݔ‬ଵ ൌ ‫ݔ‬ሺ‫ݐ‬ሻǡ ‫ݔ‬ଶ ൌ ‫ݔ‬ሺ‫ ݐ‬െ ߬ሻǡ ǥ ǡ ‫ݔ‬௠ ൌ
‫ݔ‬ሺ‫ ݐ‬െ ሺ݉ െ ͳሻ߬ሻ,ሺ݉ ൑ ݊ሻy݉representa
la dimensión de inmersión  y  es el
tiempo de retardo. Según el teorema de
Takens (1981), la trayectoria geométrica
de esta secuencia de vectores conforma
un objeto multidimensional en ࣬ ௠  que
mantiene inalterada  las características
delverdaderoperodesconocidoproceso
generado de los datos. Además el
teorema garantiza la existencia de una
función ݃ǣ Թ௠ ՜ Թ que relaciona el
estadoactualx(t)yelestadofuturox(t+
t), mediante la ecuación x(t + t) =
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 40
Año3,Vol.II,N°5
 ISSN:18568327
g(‫ ݔ‬௜ ሺ‫ݐ‬ሻ), esto quiere decir que se puede
anticipar la dinámica futura de la serie
temporal considerando únicamente los
valores del pasado. El problema ahora
consiste en encontrar un buen predictor
݃ොሺǤ ሻqueaproximeag(.).
Enestetrabajoseutilizaráunmodelode
RNparaaproximarag(.),formuladoen
términosdelosmodelosespacioestado,
dondelaecuacióndeestado(transición)
describe la evolución de los pesos de la
red, mientras que la ecuación de
observación (medida) describe la
relación no lineal de las entradas y
salidas de un proceso físico que se
quiereestudiar.
Lasentradasdelaredsedeterminanen
función de m y ߬ mediante las técnicas
dadas en Abarbanel (1996), Fraser y
Swinney (1986). El modelo  en la forma
espacioestadosedefinecomo:
‫ݓ‬௧ାଵ ൌ ܶ‫ݓ‬௧ ൅ ‫ݑ‬௧ (1.a)
‫ݕ‬௧ ൌ ݃௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻ ൅ ‫ݒ‬௧ (1.b)
La ecuación (1.a)  se llama ecuación de
estado o transición; la ecuación (1.b) se
llama ecuación de observación o
medida; ‫ݕ‬௧  ‫ א‬Թ es un vector de
respuesta conocido (valor supervisado),
‫ݔ‬௧ ൌ ‫ ݔ‬௜ ሺ‫ݐ‬ሻ ‫ א‬Թ௠  es el vector de entrada;
‫ݓ‬௧ ‫ א‬Թ௤   es el vector de estado que
contiene los pesos de la red neuronal,
݃௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻesunaesunafuncióniterativa
que describe el mapeo no lineal de la
red; ‫ݕ‬ො௧ ൌ ݃ො௧ ሺ‫ݓ‬ෝ௧ ǡ ‫ݔ‬௧ ሻ es el valor de la
ଵ
respuesta estimada, ܵ‫ ܧܥ‬ൌ σே ௜ୀଵሺ‫ݕ‬௧ െ
ே
‫ݕ‬ෝ௧ ሻଶ  es la suma de cuadrados del error
de la función de predicción, ߤ௧  es un
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
vectorderuidodelaecuacióndeestado;
߭௧  es un vector de ruido de la ecuación
de observación  y T es una matriz de
constantes conocidas. Es ampliamente
conocido que el modelo RN tiene la
capacidad de aproximar cualquier
función continua, con la precisión
deseada independientemente del
tamañodelared,Cybenko(1989).
Los supuestos del modelo son los
siguientes: ߤ௧  es un ruido blanco con
media cero y matriz de varianza
covarianza ‫ܧ‬ሺߤ௧ ߤ௧் ሻ ൌ ܳ௧ ,  ߭௧  también es
unruidoblancoconmediaceroymatriz
de varianza covarianza ‫ܧ‬ሺ߭௧ ߭௧் ሻ ൌ ܴ௧  ,
y‫ܧ‬ሺߤ௧ ߭௞் ሻ ൌ Ͳ,  para todo ݇ y ‫ݐ‬. Los
ruidos ߭௧  y ߤ௧  se consideran no
correlacionadosconlospesosdelaredy
lascondicionesiniciales.Laevoluciónde
los estados corresponden a proceso de
Markov de primer orden con
probabilidad inicial ܲሺ‫ݓ‬଴ ሻ y una
probabilidad de transición dada por
ܲሺ‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ሻ. Las observaciones se
consideran condicionalmente
independientedadolosestados,esdecir;
ܲሺ‫ݕ‬ଵǣ௧ ȁ‫ݓ‬ଵǣ௧ ሻ ൌ ς௧௜ୀଵ ܲሺ‫ݕ‬௜ ȁ‫ݓ‬௜ ሻ, donde:
‫ݕ‬ଵǣ௧ ൌ ሼ‫ݕ‬ଵǡ ǡ ǥ ǡ ‫ݕ‬௧ ሽy‫ݓ‬ଵǣ௧ ൌ ሼ‫ݓ‬ଵǡ ǡ ǥ ǡ ‫ݓ‬௧ ሽ,
(véaseHarvey,1970).
 ߜሺǤ ሻ denota un punto de masa de la
En la ecuación (2) se muestra la
distribuciónconjuntadelosestadosylas
observaciones,queseobtieneusandola
regla de la cadena de probabilidad, es
decir;ܲሺ‫ݓ‬ଵǣ௧ ǡ ‫ݕ‬ଵǣ௧ ሻvienedadapor:
ܲሺ‫ݓ‬଴ ሻ ς୲୧ୀଵ ሺ™୧ ȁ™୧ିଵ ሻ ς୲୧ୀଵ ሺ›୧ ȁ™୧ ሻ(2)
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 41
Año3,Vol.II,N°5
 ISSN:18568327
EntoncesusandolastécnicasBayesianas,
se puede estimar la densidad a
posteriori de ܲሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ. En muchas
aplicaciones, el interés recae en la
estimación de las marginales, también
llamada densidad filtrada ܲሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ.
Conociendo la densidad, se pueden
calcularvariosestimadoresdelospesos
de la red, como la media, mediana,
varianza e intervalos de confianza. Para
obtener el estimador filtrado ܲሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ
se requiere conocer de una distribución
a priori ܲሺ‫ݓ‬଴ ሻ  y de una distribución a
posteriori ܲሺ‫ݓ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ en el tiempo
‫ ݐ‬െ ͳ. Entonces el estimador filtrado se
estima recursivamente en dos pasos
denominadospredicciónyactualización:
1. Predicción:
ܲሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ න ܲሺ‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ሻ
‫ܲ כ‬ሺ‫ݓ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ݀‫ݓ‬௧ିଵ (3)
donde:
ܲሺ‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ሻ ൌ න ܲሺ‫ݓ‬௧ ȁ‫ݑ‬௧ିଵ ǡ ‫ݓ‬௧ିଵ ሻ
‫ܲ כ‬ሺ‫ݑ‬௧ିଵ ȁ‫ݓ‬௧ିଵ ሻ݀‫ݑ‬௧ିଵ 
=‫ߜ ׬‬ሺ‫ݓ‬௧ െ ‫ݑ‬௧ିଵ െ ܶ‫ݓ‬௧ିଵ ሻ
‫ܲ כ‬ሺ‫ݑ‬௧ିଵ ሻ݀‫ݑ‬௧ିଵ (4)
funciónDeltadeDiracyܲሺ‫ݑ‬௧ିଵ ȁ‫ݓ‬௧ିଵ ሻ ൌ
ܲሺ‫ݑ‬௧ିଵ ሻ.
2. Actualización
௉ሺ௬೟ ȁ௪೟ ሻ௉ሺ௪೟ ȁ௬భǣ೟షభ ሻ
ܲሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൌ (5)
௉ሺ௬೟ ȁ௬భǣ೟షభ ሻ
donde:
ܲሺ‫ݕ‬௧ ȁ‫ݓ‬௧ ሻ ൌ ‫ߜ ׬‬ሾ‫ݕ‬௧ െ ݃௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻ െ ‫ݒ‬௧ ሿ
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
‫ܲ כ‬ሺ‫ݒ‬௧ ሻ݀‫ݒ‬௧ (6)
y
ܲሺ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ‫ܲ ׬‬ሺ‫ݕ‬௧ ȁ‫ݓ‬௧ ሻ
‫ܲ כ‬ሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ݀‫ݓ‬௧ (7)
Las relaciones dadas por las ecuaciones
(3) y (5), constituyen la solución formal
del problema de estimación recursiva
mediantelosmétodosBayesianos.
La solución óptima de la ecuación (5)
exige calcular integrales
multidimensionales, lo que hace
imposibleobtenerunasoluciónanalítica.
Entonces para obtener aproximaciones
de las integrales se usan métodos
numéricos o métodos de simulación
MonteCarlo.
En este artículo se realizan dos
propuestas alternativas para estimar los
pesos delmodelo de RN basadas enlos
algoritmos de aprendizajes: filtro de
Kalmanextendidoyfiltrodepartículas.
El objetivo final es encontrar valores
para los pesos del modelo que
minimicen la suma de cuadrados del
error (SCE). Finalmente se señala, para
simplificar el trabajo no se trata el
problema de estimar los parámetros de
los ruidos blancos ܳ௧  ,  ܴ௧   dadas las
observaciones‫ݕ‬ଵǣ௧ .
1. Algoritmo de Aprendizaje Filtro de
KalmanExtendido(FKE)
Considérese el sistema dinámico no
linealenformadeespacioestado,dado
en(1.a)y(1.b),conlashipótesisusuales;
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 42
Año3,Vol.II,N°5
 ISSN:18568327
esto es,‫ݑ‬௧ ̱ܰሺͲǡ ܳ௧ ሻ, ‫ݒ‬௧ ̱ܰሺͲǡ ܴ௧ ሻ y
‫ݓ‬଴ ̱ܰሺߤ଴ ǡ ȭ଴ ሻ. El objetivo del FKE es
estimar los estados no observados
‫ݓ‬
ෝଵǣ௧ ൌ ሼ‫ݓ‬ ෝଵ ǡ ǥ ǡ ‫ݓ‬
ෝ௧ ሽ basándose en las
observaciones   ‫ݕ‬ଵǣ௧ . El algoritmo
permite obtener una aproximación del
estimadoróptimo.Lanolinealidadenla
segunda ecuación  dada en (1.b) es
aproximadaporunaversiónlinealizada
alrededor del último estado estimado,
esto݃௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻesaproximadapor:
డ௚೟
ෝ௧ ǡ ‫ݔ‬௧ ሻ ൅
݃ሺ‫ݓ‬ ȁ ෝ ೟ ሻ ሺ‫ݓ‬௧ ෝ௧ ሻ ൅...(8)
െ‫ݓ‬
డ௪೟ ሺ௪೟ ୀ௪
Para obtener las ecuaciones de
predicciónyactualizacióndelalgoritmo,
supóngaseque‫ܧ‬ሺ‫ݓ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ݉௧ିଵȁ௧ିଵ 
y  ܸሺ‫ݓ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ‫݌‬௧ିଵȁ௧ିଵ  se conocen
en el tiempo ‫ ݐ‬െ ͳǤ El predictor de ‫ݓ‬௧  y
su matriz asociada al error cuadrático
medio en el tiempo ‫ ݐ‬െ ͳ están dadas
por:
‫ܧ‬ሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ‫ܧ‬ሺܶ‫ݓ‬௧ିଵ ൅ ‫ݑ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ
ൌ ܶ‫ܧ‬ሺ‫ݓ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ
ൌ ܶ݉௧ିଵȁ௧ିଵ (9)
ܸሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻesdadapor:
ൌ ܸሺܶ‫ݓ‬௧ିଵ ൅ ‫ݑ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ
ൌ ܸܶሺ‫ݓ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻܶ ் ൅ ܳ௧ 
ൌ ܶ‫݌‬௧ିଵȁ௧ିଵ ܶ ் ൅ ܳ௧ 
ൌ  ‫݌‬௧ȁ௧ିଵ (10)
‫ܧ‬ሺ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ‫ܧ‬ሾ݃௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻ ൅ ‫ݒ‬௧ ȁ‫ݕ‬ଵǣ௧ ሿ
ൌ ݃௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻ(11)
 IngenieríaIndustrial.  43
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

 ൅‫݌‬௧ȁ௧ିଵ ‫ܬ‬௧ ሾ‫ܬ‬௧ ‫݌‬௧ȁ௧ିଵ ‫ܬ‬௧் ൅ ܴ௧ ሿିଵ 

ܸሺ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ‫ܬ‬௧ ܸሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ‫ܬ‬௧் ൅ ܴ௧ 
‫ כ‬ሾ‫ݕ‬௧ െ ݃௧ ሺ‫ݓ‬
ෞǡ
௧ ‫ݔ‬௧ ሻሿ(16)
ൌ ‫ܬ‬௧ ‫݌‬௧ȁ௧ିଵ ‫ܬ‬௧் ൅ ܴ௧         (12)
 ‫݌‬௧ȁ௧ ൌ ܸሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ

donde: ൌ ‫݌‬௧ȁ௧ିଵ െ ‫݌‬௧ȁ௧ିଵ ‫ܬ‬௧ ሾ‫ܬ‬௧ ‫݌‬௧ȁ௧ିଵ ‫ܬ‬௧் ൅ ܴ௧ ሿିଵ 
߲݃௧ ‫ כ‬ሾ‫݌‬௧ȁ௧ିଵ ‫ܬ‬௧ ሿ் (17)
‫ܬ‬௧ ൌ ሾ ȁ ሿ
߲‫ݓ‬௧ ሺ௪೟ୀ௪ෝ೟ ሻ
Bajo los supuestos de normalidad para
‫ܥ‬ሺ‫ݓ‬௧ ǡ ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻesdadapor: loserrores,algoritmoFKEseresume:
#####################################
ൌ ‫ܥ‬ሾ‫ݓ‬௧ ǡ ‫ܧ‬ሺ‫ݕ‬௧ ȁ‫ݓ‬௧ ሻȁ‫ݕ‬ଵǣ௧ିଵ ሿ
Algoritmo1:FKE
ෝ௧ ǡ ‫ݔ‬௧ ሻ
ൌ ‫ܥ‬ሾ‫ݓ‬௧ ǡ ݃௧ ሺ‫ݓ‬
#####################################
ෝ௧ ሻ ൅ ‫ ڮ‬ȁ‫ݕ‬ଵǣ௧ିଵ ሿ
൅‫ܬ‬௧ ሺ‫ݓ‬௧ െ ‫ݓ‬ Paso1Semuestrea‫ݓ‬௧ିଵ de:
ൌ ܸሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ‫ܬ‬௧  ‫݌‬ሺ‫ݓ‬௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ܰሺ݉௧ିଵȁ௧ିଵ ǡ ‫݌‬௧ିଵȁ௧ିଵ ሻ

ൌ ‫݌‬௧ȁ௧ିଵ ‫ܬ‬௧ (13) (18)

Paso2Semuestrea‫ݓ‬௧ de:
LasecuacionesdelajustelinealdeBayes,
estándadaspor: ‫݌‬ሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ ൌ ܰሺ݉௧ȁ௧ିଵ ǡ ‫݌‬௧ȁ௧ିଵ ሻ(19)

‫ܧ‬ሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൌ ‫ܧ‬ሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ Paso3Semuestrea‫ݓ‬௧ de:

൅‫ܥ‬ሺ‫ݓ‬௧ ǡ ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻܸሺ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻିଵ  ‫݌‬ሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൌ ܰሺ݉௧ȁ௧ ǡ ‫݌‬௧ȁ௧ ሻ(20)
‫ כ‬ሾ‫ݕ‬௧ െ ‫ܧ‬ሺ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ(14)
#####################################
ܸሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൌ ܸሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ
2. Algoritmo de Aprendizaje Filtro de
ିଵ
െ‫ܥ‬ሺ‫ݓ‬௧ ǡ ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻܸሺ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ  Partículas (FP) o Muestreo de
ImportanciaSecuencial(SIR)
‫ܥ כ‬ሺ‫ݓ‬௧ ǡ ‫ݕ‬௧ ȁ‫ݕ‬ଵǣ௧ିଵ ሻ் (15)
La estrategia de predicción y
Usando las ecuaciones (14) y (15) se actualización dada en las ecuaciones (3)
obtiene la  actualización del estimador y (5) permite obtener una solución
óptimo del estado ‫ݓ‬௧  dada la óptima al problema de inferencia, pero
información‫ݕ‬ଵǣ௧ eneltiempo‫ݐ‬,esdecir: las integrales involucradas son difíciles
de calcular. En muchas aplicaciones, las
݉௧ȁ௧ ൌ ‫ܧ‬ሺ‫ݓ‬௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൌ ܶ݉௧ିଵȁ௧ିଵ 
soluciones analíticas no son posibles. Se

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.  44
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

requieren métodos alternativos, tales esdecir;‫ܧ‬൫݄௧ ሺ‫ݓ‬ଵǣ௧ ሻ൯esdadapor:

como: integración numérica, ͳ
aproximación gaussiana, y los métodos ൌ න ݄௧ ሺ‫ݓ‬ଵǣ௧ ሻ‫ݍ‬௧ ሺ‫ݓ‬ଵǣ௧ ሻߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧ 
‫݌‬ሺ‫ݕ‬ଵǣ௧ ሻ
desimulaciónMonteCarloporCadenas

de Markov y las técnicas de  Monte
‫݄ ׬‬௧ ሺ‫ݓ‬ଵǣ௧ ሻ‫ݍ‬௧ ሺ‫ݓ‬ଵǣ௧ ሻߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧
CarloSecuencial.Sepuedeaproximarla ൌ 
ߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ
función de distribución a posteriori ‫݌ ׬‬ሺ‫ݕ‬ଵǣ௧ ȁ‫ݓ‬ଵǣ௧ ሻ‫ ݌‬ሺ‫ݓ‬ଵǣ௧ ሻ ݀‫ݓ‬ଵǣ௧
ߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ
usando una función sobre un soporte ‫݄ ׬‬௧ ሺ‫ݓ‬ଵǣ௧ ሻ‫ݍ‬௧ ሺ‫ݓ‬ଵǣ௧ ሻߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧
discreto finito mediante la técnica del ൌ 
‫ ݍ ׬‬ሺ‫ݓ‬ଵǣ௧ ሻߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧
muestreo de importancia; es decir, se
ாഏ ሾ௤೟ ሺ௪భǣ೟ ሻ௛೟ ሺ௪భǣ೟ ሻሿ
hace uso de la aproximación Monte ൌ (24)
ாഏ ሾ௤೟ ሺ௪భǣ೟ ሻሿ
Carlo,dada:
ଵ ሺ௜ሻ
ሺ௜ሻ Porlotantogenerandomuestras‫ݓ‬ଵǣ௧ de
‫݌‬Ƹ ሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൌ σ௡௜ୀଵ ߜሺ ‫ݓ‬ଵǣ௧ െ ‫ݓ‬ଵǣ௧ )(21)
௡
la función de distribución  propuesta
ሺ௜ሻ
donde:‫ݓ‬ଵǣ௧ representalamuestrausada ߨሺǤ ሻ, se aproxima  el valor esperado
para aproximar la distribución a medianteelestimadordado:
posterioriyߜሺǤ ሻesunpuntodemasade
భ ೙ ሺ೔ሻ ሺ೔ሻ
la función delta de Dirac. La ecuación σ೔సభ ௛೟ ቀ௪భǣ೟ ቁ௤೟ ሺ௪భǣ೟ ሻ
‫ܧ‬൫݄௧ ሺ‫ݓ‬ଵǣ௧ ሻ൯ ൎ ೙ భ ೙ ሺ೔ሻ ൌ
(21)permiteaproximarladistribucióna σ ௤ ቀ௪భǣ೟ ቁ
೙ ೔సభ ೟
ሺ௜ሻ ሺ௜ሻ
posteriori. El valor esperado de algún σ௡௜ୀଵ ݄௧ ቀ‫ݓ‬ଵǣ௧ ቁ ‫ݍ‬෤௧ ሺ‫ݓ‬ଵǣ௧ ሻ(25)
funcional de los pesos, es dado por la
ecuación(22): donde:  ‫ݍ‬෤௧ ሺǤ ሻ es el cociente de
importancianormalizadodadopor:
‫ܧ‬൫݄௧ ሺ‫ݓ‬ଵǣ௧ ሻ൯ ൌ න ݄௧ ሺ‫ݓ‬ଵǣ௧ ሻ‫݌‬ሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧ 
ሺ೔ሻ
ሺ௜ሻ ௤೟
‫݌‬ሺሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ ‫ݍ‬෤௧ ൌ ሺೕሻ (26)
σ೙
ೕసభ ௤೟
ൌ න ݄௧ ሺ‫ݓ‬ଵǣ௧ ሻ ߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧ 
ߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ
௣ሺሺ௪భǣ೟ȁ௬భǣ೟ ሻ௣ሺ௪భǣ೟ ሻ Entonces la distribución a posteriori se
ൌ ‫݄ ׬‬௧ ሺ‫ݓ‬ଵǣ௧ ሻ 
௣ሺ௬భǣ೟ ሻగሺ௪భǣ೟ ȁ௬భǣ೟ ሻ estimapor:
‫ߨ כ‬ሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧  ሺ௜ሻ ሺ௜ሻ
௤೟ ሺ௪భǣ೟ ሻ
‫݌‬൫‫ݓ‬ଵǣ௝ ห‫ݕ‬ଵǣ௧ ൯ ൌ σ௡௜ୀଵ ‫ݍ‬෤௧ ߜሺ‫ݓ‬ଵǣ௧ െ ‫ݓ‬ଵǣ௧ ሻ(27)
=‫݄ ׬‬௧ ሺ‫ݓ‬ଵǣ௧ ሻ ߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ݀‫ݓ‬ଵǣ௧ (22)
௣ሺ௬భǣ೟ ሻ
Paracalcularunestimadorsecuencialde
donde: la variable  ‫ݍ‬௧ ሺ‫ݓ‬ଵǣ௧ ሻ se conoce
ladistribuciónaposteriorienuntiempo
como el cociente de importancia no
‫ ݐ‬sin modificar  los estados simulados
normalizado,dadopor:
‫ݓ‬ଵǣ௧ିଵ seconsideralasiguientedensidad
௣ሺ௬భǣ೟ ȁ௪భǣ೟ ሻ௣ሺ௪భǣ೟ ሻ deprobabilidadpropuesta:
‫ݍ‬௧ ሺ‫ݓ‬ଵǣ௧ ሻ ൌ (23)
గሺ௪భǣ೟ ȁ௬భǣ೟ ሻ
ߨሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൌ ߨሺ‫ݓ‬଴ ȁ‫ݕ‬଴ ሻ

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.  45
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

*ς௧௝ୀଵ ߨ൫‫ݓ‬௝ ห‫ݓ‬ଵǣ௝ିଵ ǡ ‫ݕ‬ଵǣ௝ ൯(28)

y
ሺ௜ሻ ሺ௜ሻ
Si se considera que los estados ‫ݍ‬଴ ൌ ‫݌‬ሺ‫ݕ‬଴ ȁ‫ݓ‬଴ ሻ(33)
corresponden a un proceso de Markov
deprimerorden,ylasobservacionesson 2. Función de Importancia viene
condicionalmente independiente dado dadapor:
losestados,setieneque:
ߨ൫‫ݓ‬௧ ห‫ݓ‬ଵǣ௧ିଵǡ௬ଵǣ௧ ൯ ൌ ܲሺ‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ሻ(34)
‫݌‬ሺ‫ݓ‬ଵǣ௧ ሻ ൌ ‫݌‬ሺ‫ݓ‬଴ ሻ ς௧௝ୀଵ ‫݌‬ሺ‫ݓ‬௝ ȁ‫ݓ‬௝ିଵ ሻ(29)
y
y
‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ̱ܰሺܶ‫ݓ‬௧ିଵ ǡ ܳ௧ ሻ ൌ ܲሺ‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ሻ(35)
‫݌‬ሺ‫ݕ‬ଵǣ௧ ȁ‫ݓ‬ଵǣ௧ ሻ ൌ ς௧௝ୀଵ ‫݌‬ሺ‫ݕ‬௝ ȁ‫ݓ‬௝ ሻ(30)
3. Lafuncióndeverosimilitudviene
Sustituyendolasecuaciones(28),(29),y dadapor‫݌‬ሺ‫ݕ‬௧ ȁ‫ݓ‬௧ ሻ:
(30) dentro de la ecuación (23),  se ‡š’ሼሾ‫ݕ‬௧ െ ݃ො௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻሿ் ܴ௧ିଵ 
obtiene el estimador recursivo para los
pesosdeimportanciacomosigue: ‫ כ‬ሾ‫ݕ‬௧ െ ݃ො௧ ሺ‫ݓ‬௧ ǡ ‫ݔ‬௧ ሻሿሽ(36)
‫݌‬ሺ‫ݕ‬ଵǣ௧ ȁ‫ݓ‬ଵǣ௧ ሻ‫݌‬ሺ‫ݓ‬ଵǣ௧ ሻ
‫ݍ‬௧ ൌ  Entonces una vez inicializado los pesos
ߨሺ‫ݓ‬ଵǣ௧ିଵ ȁ‫ݕ‬ଵǣ௧ିଵ ሻߨሺ‫ݓ‬௧ ȁ‫ݓ‬ଵǣ௧ିଵ ǡ ‫ݕ‬ଵǣ௧ ሻ
y el cociente de importancia por las
ൌ ‫ݍ‬௧ିଵ * distribuciones a priori dadas en (32) y
 (33), en cada etapa del muestreo se
௣ሺ௬భǣ೟ ȁ௪భǣ೟ሻ௣ሺ௪భǣ೟ ሻ predice un peso usando la ecuación

௣ሺ௬భǣ೟షభ ȁ௪భǣ೟షభ ሻ௣ሺ௪భǣ೟షభ ሻగሺ௪೟ ȁ௪భǣ೟షభ ǡ௬భǣ೟ሻ
dada en (1.a),luego se evalúa de nuevo

el cociente de importancia usando las
௣ሺ௬೟ ȁ௪೟ ሻ௣ሺ௪೟ ȁ௪೟షభ ሻ ecuacionesdadasen(31,34,35,36)yse
ൌ ‫ݍ‬௧ିଵ (31)
గሺ௪೟ ȁ௪భǣ೟షభ ǡ௬భǣ೟ ሻ remuestreasiesnecesario.
El problema que se presenta con el
La ecuación dada en (31) permite
algoritmo de FP,  es el fenómeno de la
actualizarsecuencialmenteelcocientede
degeneración. Es conocido que después
importancia. Como se puede muestrear
de unas pocas iteraciones las partículas
de la distribución propuesta, evaluar la
puedentenerpesosdespreciablesloque
verosimilitud y las probabilidades de
implica según la Proposición 1 dada en
transición, se supone la siguiente
Doucet et al. (2000), que la varianza de
estructurajerárquica:
los pesos de importancia puede
1. Se considera una distribución a incrementarse en el tiempo. Para evitar
prioriinicial: ladegeneracióndelalgoritmo,Doucetet
al. (2000) establecieron la Proposición 2,
‫ݓ‬଴ ̱ܰሺߤ଴ ǡ ߪ଴ଶ ሻ(32)

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.  46
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

que permite seleccionar una función de
importancia que minimiza la varianza
delospesossobrelastrayectoriasdelos
ሺ௜ሻ
estadossimuladosሼ‫ݓ‬ଵǣ௧ିଵ ǡ ݅ ൌ ͳǡʹǡ ǥ ݊ሽy
las observaciones  ‫ݕ‬ଵǣ௧ . La función de
importancia sugerida por Doucet et al.
(2000)esdadapor:
ሺ௜ሻ ሺ௜ሻ
ߨቀ‫ݓ‬௧ ȁ‫ݓ‬ଵǣ௧ିଵ ǡ ‫ݕ‬ଵǣ௧ିଵ ቁ ൌ ‫݌‬ሺ‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ǡ ‫ݕ‬௧ ሻ(37)
ሺ௜ሻ
Es decir, ߨቀ‫ݓ‬௧ ȁ‫ݓ‬ଵǣ௧ିଵ ǡ ‫ݕ‬ଵǣ௧ିଵ ቁ es la
función de importancia que minimiza a
lavarianzadelospesosdeimportancia
ሺ௜ሻ
‫ݍ‬෤௧  condicionada sobre los estados
ሺ௜ሻ
ሼ‫ݓ‬ଵǣ௧ିଵ ǡ ݅ ൌ ͳǡʹǡ ǥ ǡ ݊ሽylosdatos‫ݕ‬ଵǣ௧ .La
función de importancia sugerida por
Doucetetal.(2000)esdadapor:
ሺ௜ሻ ሺ௜ሻ
ߨቀ‫ݓ‬௧ ቚ‫ݓ‬ଵǣ௧ିଵ ǡ ‫ݕ‬ଵǣ௧ ቁ ൌ ‫݌‬ሺ‫ݓ‬௧ ȁ‫ݓ‬௧ିଵ ሻ(38)
ே
்ܰொ ൌ ሺ೔ሻ (39)
ଵା௏௔௥ሺ௤෤೟ ሻ
En la práctica es complicado calcular
்ܰொ exactamente,peroseestimapor:
ଵ
෡்ொ ൌ
ܰ ሺ೔ሻ (40)
σಿ ෤ ೟ ሿమ
೔సభሾ௤
Entonces el estimador de  ்ܰொ  se
compara con un umbral prefijado ܰ௎ .
Este procedimiento de filtro de
partículas con remuestreo es usado por
Rubin (1988). El algoritmo con
remuestreo para un modelo de RN con
doscapasocultas,seresume:
#####################################
Algoritmo2:FPoSIR
#####################################

La ecuación (38)  ha sido usada por P1.Muestreodeimportancia

Avitzour,(1995);BeadleyDjuric,(1997); x Se inicializan los pesos de la red
Gordon et al., (1993); Isard y Blake, en  ሺ‫ ݐ‬ൌ Ͳሻ. Para  ݅ ൌ ͳǡ ǥ ǡ ݊ se
ሺ௜ሻ
(1996); Kitagawa (1996); Berzuini et al., muestrean los pesos ‫ݓ‬଴  de la
(1997); Doucet (1998); y Liu y Chen primera y segunda capa a partir
(1998),entreotros. de las previas ‫݌‬ଵ ሺ‫ݓ‬଴ ሻ y ‫݌‬ଶ ሺ‫ݓ‬଴ ሻ
Debido a que la degeneración del respectivamente.
algoritmo FP es inevitable, entonces se
x Se evalúa el cociente de
introduce la idea del remuestreo que
importancia:
consiste en eliminar las trayectorias que
tienenpesosdeimportanciapequeñosy ሺ௜ሻ ሺ௜ሻ
‫ݍ‬଴ ൌ ‫݌‬ሺ‫ݕ‬଴ ȁ‫ݓ‬଴ ሻ(41)
seseleccionanlastrayectoriasconpesos
grandes. x Se normaliza el cociente de
Unamedidaadecuada para solventar el importancia:
problema es calcular el tamaño de ௤బ
ሺ೔ሻ
ሺ௜ሻ
muestraefectivaሺ்ܰொ ሻintroducidoen ‫ݍ‬෤଴ ൌ  ሺೕሻ (42)
σ೙
ೕసభ ௤೚
Kongelat.(1994)yLiu(1996),yquese
definecomo:

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.  47
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

ሺ௜ሻ ሺ௜ሻ ሺ௜ሻ

x Para ‫ ݐ‬ൌ ͳǡ ǥ ǡ ‫ ܮ‬y ݅ ൌ ͳǡ ǥ ǡ ݊ǡ se ‫݌‬Ƹ ௧ ൎ σ௡௜ୀଵ ‫ݍ‬ො௧ ሺ‫ݓ‬ଵǣ௧ െ ‫ݓ‬ଵǣ௧ ሻ ሺ‫ݓ‬ଵǣ௧ െ ‫ݓ‬ଵǣ௧ ሻ் 
predicen los estados usando la
#####################################
ecuacióndinámica:
ሺ௜ሻ ሺ௜ሻ ሺ௜ሻ ሺ௜ሻ 3Determinacióndelaexactitud.
‫ݓ‬
෥௧ାଵ ൌ ܶ‫ݓ‬௧ ൅ ‫ݑ‬௧ Ǣ‫ݑ‬௧ ̱ܰሺͲǡ ܳ௧ ሻ(43)
Paraevaluarlacalidaddeprediccióndel
x Se actualiza el cociente de modelo, se utilizan las siguientes
importancia: medidasdebondaddeajuste:
ሺ௜ሻ ሺ௜ሻ ሺ௜ሻ
‫ݍ‬௧ାଵ ൌ ‫ݍ‬௧ ‫݌‬ሺ‫ݕ‬௧ାଵ ȁ‫ݓ‬
෥௧ାଵ ሻ 1. Estimación de la Exactitud de
(44) Predicción (EP). Es una medida
propuestaporMitchell(1997)conel
x Se actualiza el cociente de
objetivo de estimar la exactitud de
importancianormalizado:
predicción de un modelo de RN, el
ሺ೔ሻ siguiente estimador  es usado para
ሺ௜ሻ ௤೟శభ
‫ݍ‬෤௧ାଵ ൌ σ௡௝ୀଵ ሺೕሻ (45)
௤೟శభ talfinysedefinecomo:

P2.EtapadeRemuestreo
Para ݅ ൌ ͳǡ ǥ ǡ ݊ǡ se evalúa el estimador ଴ȉହ σಿ ො೟ ሻమ
೟సభሺ௬೟ ି௬
‫ ܲܧ‬ൌ ሼͳ െ ሾ ]}*100(50)
ே
usandolaecuación(40):
x ෡்ொ ൒ ܰ௎ ,entoncessehace:
Siܰ 2. La Raíz del Error Cuadrático
Medio (RECM), es otra medida
ሺ௜ሻ ሺ௜ሻ
‫ݓ‬௧ାଵ ൌ ‫ݓ‬
෥௧ାଵ (46) utilizada para medir la
exactitud del modelo predictor
x Si ܰ ෡்ொ ൏ ܰ௎ , entonces se deRNysedefinecomo:
remuestreaunnuevoíndice݆del
conjunto de pesos y estados ଵ
ܴ‫ ܯܥܧ‬ൌ ට σே ො௧ ሻଶ (51)
௧ୀଵሺ‫ݕ‬௧ െ ‫ݕ‬
ே
discretos estimados  previamente
ሺ௜ሻ ሺ௜ሻ
yalmacenadosen:ሼ‫ݓ‬ ෥௧ାଵ ǡ෥‫ݍ‬௧ାଵ ሽ. El objetivo es seleccionar el modelo de
ሺ௜ሻ ሺ௝ሻ
x Luegosehaceque:‫ݓ‬௧ାଵ ൌ ‫ݓ‬
෥௧ାଵ y RNconmenorRECM.
ሺ௜ሻ ଵ
‫ݍ‬௧ାଵ ൌ  3. El Criterio de Información
௡

x Salidas del algoritmo: función de Bayesiano (BIC). Una práctica

densidad filtrada,  esperanza y difícil en los modelos de RN es
covarianzaaposteriori: seleccionarlaarquitecturadelared
(capas ocultas  de la red). Para tal
ሺ௜ሻ ሺ௜ሻ
‫݌‬Ƹ ሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൎ σ௡௜ୀଵ ‫ݍ‬ො௧ ߜሺ‫ݓ‬ଵǣ௧ െ ‫ݓ‬ଵǣ௧ ሻ objetivoseproponeusarelcriterio
de información de Bayes ‫ܥܫܤ‬
ሺ௜ሻ ሺ௜ሻ
ෝ௧ ൌ ‫ܧ‬ሺ‫ݓ‬ଵǣ௧ ȁ‫ݕ‬ଵǣ௧ ሻ ൎ σ௡௜ୀଵ ‫ݍ‬ො௧ ‫ݓ‬ଵǣ௧ 
‫ݓ‬

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
propuestoporNychkaetal.(1992),
quesedefinecomosigue:
ଵ ୪୬ሺேሻ
ሼͳ ൅ Žሺʹߨሻ ൅ Žሺܵ‫ܧܥ‬ሻ ൅ ‫݌‬ ሽ(52)
ଶ ே
donde:  ‫ݕ‬௧  es el tesimo patrón
observado.  ‫ݕ‬ො௧  es el tésimo valor
predicho,
ଵ aprendizaje de parámetros de la
ܵ‫ ܧܥ‬ൌ σே ௜ୀଵሺ‫ݕ‬௧ െ ‫ݕ‬ො௧ ሻଶ (53)
ே red se hace inefectivo si los
es la suma de cuadrados del error, ‫ ݌‬es
el número de parámetros (pesos) del
modeloyܰeslalongituddelaseriede
tiempo.

4Transformacióndelosdatos
Los datos utilizados para mostrar la
metodología provienen de las series de
lluvia total mensual del período
comprendido entre 19712000 de 36
estacionesdelserviciometeorológicode
la Fuerza Aérea de Venezuela, y se le
realizólasiguientetransformación:
1. Primero, las bases de datos que
presentaron datos faltantes fueron
rellenadas utilizando la
metodología propuesta en Infante
et al. (2008). Es decir, dado que en
esetrabajoseobtuvounmodelode
RN predictor basado en el
algoritmo Backpropagation,
entoncesseutilizóesemodelopara
predecir los  datos perdidos y
completarlabasededatos.
2. Dado que en los modelos de RN
se usa una función de
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 48
Año3,Vol.II,N°5
 ISSN:18568327
transferencia logística sigmoidal
para las neuronas de la capa
oculta y en la capa de salida, la
cual está acotada en un rango
entre cero y uno, entonces se
necesita normalizar o reescalar
losdatosdetalmaneraqueestén
dentro del rango de salida. El
valores normalizado están cerca
de las cotas (véase, Ooyen y
Nichhuis, 1992), entonces se
utilizará la siguiente ecuación de
normalización:
௬೟
‫ݕ‬௡௢௥ ൌ Ͳ ȉ ͳ ൅ Ͳ ȉ ͺ (54)
௠ž௫ሺ௬೟ ሻ
donde:  ‫ݕ‬௡௢௥௠   es el valor normalizado,
‫ݕ‬௧ es la tésima salida observada, y
žšሺ‫ݕ‬௧ ሻ es el valor máximo observado
en la serie. La transformación acota el
valordelasalidaenelrango[0.1,0.9].
DISCUSIÓN DERESULTADO 
Una vez que se tienen los datos
transformadosporestación,sedividela
muestra en dos partes: el ochenta por
ciento80%delosdatosseutilizaparael
entrenamiento de los algoritmos y
calibración de los modelos, y el resto
veinte por ciento 20% se utiliza para
validar la arquitectura de red del
modelo seleccionado. El siguiente paso
consiste en determinar las dimensiones
deinmersión݉yeltiempoderetardo߬
de las estaciones consideradas,
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
utilizando los métodos de AMI y los
FNN. Conociendo ݉ y ߬ se determinan
las variables de entrada de la red, y
finalmente se procede a estimar los
parámetros del modelo, usando dos
algoritmosdeaprendizajeFKEyelFPo
SIR. En la Figura 1 se comparan los
niveles totales de precipitación mensual
de los estados observados, con los
niveles totales de precipitación mensual
simulados por un modelo de RN
ajustado por los algoritmos FKE y FP.
Los datos corresponden a la estación
80413 ubicada en Maracay estado
Aragua y se utilizaron 278 datos de
entrenamientoquerepresentanalaserie
de diciembre de 1971 hasta febrero de
1995 para ajustar los parámetros de la
red.
Seseleccionóunmodelocon6variables
de entradas (debido a que se determino
que ݉ ൌ ͸ y ߬ ൌ ʹ), 4 neuronas de la
capaocultayunasalidaorespuesta,que
representa el nivel total de lluvia
mensual predicha. Los valores para
inicializar los parámetros (medias y
covarianzas)delFKE,sonlossiguientes:
݉଴ȁ଴ ൌ ͲǤͲͲͳyܲ଴ȁ଴ ൌ ͲǤͳyserequirióde
1000 iteraciones para obtener los
resultados.
Los parámetros del FP se inicializan de
la siguiente manera:‫ݓ‬଴ ̱ܰሺͲǡʹʹͷሻ,
‫ݑ‬௧ ̱ܰሺͲǡͲǤͲͲͳሻ,‫ݒ‬௧ ̱ܰሺͲǡͲǤͳሻ,yseeligióT
= I donde I es la matriz identidad y se
generaron1000partículas.
En la Figura 1, se observa que los
resultados predichos por los algoritmos
propuestos tienen  muy buen
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 49
Año3,Vol.II,N°5
 ISSN:18568327
desempeño comparado con las
observaciones verdaderas de la muestra
deentrenamiento.
EnlaTabla1semuestranlosresultados
delosestadísticosestimadosparamedir
laexactituddeprediccióndelmodelode
RN.  El FKE tiene una exactitud de
predicción del 99.727%, mientras que el
FPtieneunaexactitudde99.405%.Otra
medida de exactitud utilizada es la raíz
cuadrada del error cuadrático medio,
ambos algoritmos tienen errores
pequeñosdeestimación;elFKEtieneun
valorde0.073,mientrasqueelFPtiene
unvalorde0.126.Parahacerlaselección
de la arquitectura de la red se utilizó el
criterio de información de Bayes BIC,
quebásicamenteconsisteenpenalizarel
error cuadrático medio por los
parámetros utilizados en el ajuste y se
toma el BIC mínimo. En la serie de
entrenamientoanalizadaelFKEtieneun
BIC=3.621,mientrasqueelFPtieneun
BIC=2.841, ambos algoritmos
seleccionan  un modelo con 4 neuronas
enlacapaoculta.LaFigura2seobtiene
siguiendo el mismo procedimiento que
se realizó con la serie de entrenamiento
pero este caso se utilizan 70 datos de
validaciónquevandesdeMarzode1995
hastaDiciembrede2000.Seobservaque
con el FKE se obtienen los siguientes
valores:unaexactituddeprediccióndel
98.638%, un valor para la raíz del error
cuadrático medio de 0.1650 y el BIC =
1.668; mientras que cuando se usa el
algoritmo FP, se obtienen los valores
siguientes:unaexactitudde98.697%,un
 IngenieríaIndustrial.  50
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

valor para la raíz del error cuadrático
medio de 0.110, y el BIC =1.713, ver la
Tabla1,estosresultadossonsimilaresa
los obtenidos utilizando la serie de
entrenamiento.EnlaFigura3semuestra
un gráfico similar al obtenido en la
Figura1,ladiferenciaeslaestaciónque
se analiza; en este caso, se estudia la
estación 80415 ubicada en Maiquetía

estado Vargas. Se seleccionaron 259
datos parala muestrade entrenamiento
que comprende la serie que va desde
Diciembre de 1972 hasta Junio 1992;
mientras que en la muestra de
validación se utilizaron 65 datos que
correspondenalaseriequevadeJulio
1992hastaDiciembre


Figura 1: Serie de la estación Maracay, para la muestra de entrenamiento

 



Figura2:SeriedelaestaciónMaracay,paramuestradevalidación

Tabla1:Resumendetestdevalidación,estaciónMaracay

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
De 1999. La arquitectura de la red
seleccionada está compuesta por 6
variables de entradas, 5 neuronas en la
capaocultayunasalida.Enelgráficose
observa que los totales mensuales de
precipitacionessimuladosporelmodelo
deRNajustadoporlosalgoritmosFKEy
FP son comparables con los totales
mensuales de precipitaciones
observados; adicionalmente se incluyen
medidas exactitud de 99.414% y
99.198%, respectivamente cuando se
utiliza la muestra de entrenamiento.
Para la muestra de validación la
exactitud es de 98.844% y 98.945%,
respectivamente. También se cálculo la
RECM para los dos conjuntos de datos
Figura3:SeriedelaestaciónMaiquetía,paralamuestradeentrenamiento
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 51
Año3,Vol.II,N°5
 ISSN:18568327

considerados, observándose errores de
estimación pequeños (ver Tabla 2).
También se estimó el BIC para la
muestra de entrenamiento y validación
usando los dos algoritmos propuestos,
obteniéndose el BIC mínimo para una
redcon5neuronasocultas,(verTabla2).
Todoslosanálisisfueronrealizadosbajo
el ambiente de programación del
software estadístico R versión 2.ȱ 9.ȱ 2.
Finalmentesedestacaqueseanalizaron
36 estaciones, todas tienen un
comportamiento muy similar a las dos
mostradaseneltrabajo.



 IngenieríaIndustrial.  52
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327


Figura4:SeriedelaestaciónMaiquetía,paralamuestradevalidación

Tabla2:Resumendetestdevalidación,estaciónMaiquetía



CONCLUSIONES 

Las principales contribuciones de este
trabajoson:
Se diseñó un modelo de red neuronal
en términos de los modelos espacio
estados no lineales para hacer
predicciones de series de tiempo de
totales mensuales de precipitaciones. Se
utilizan las técnicas AMI y FNN de los
sistemas dinámicos para definir las
entradas del modelo, se demuestra que
el uso de patrones de entrada
apropiados mejora la performance del
modelo. Estos métodos permiten la
separación  temporal óptima de los
datos, así como ayudan a determinar el
número de datos hacia atrás necesarios
para pronosticar con exactitud un dato
futuro.Paraoptimizarlaseleccióndela
arquitectura de las capas ocultas de la
red se utiliza el Criterio de Información
deBayes.
Se proponen dos algoritmos de
aprendizaje alternativos para ajustar los
parámetrosdelmodelodeRNdistintoal
algoritmo Backpropagation clásico.
Estos algoritmos pueden ser

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.  53
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

considerados como técnicas de secuencial de una distribución de

optimización global en las cuales se probabilidad a posteriori, y tienen la
puedenestimarconjuntamentelospesos ventaja que no requieren de ninguna
delaredylaincertidumbredelmodelo restricciónsobreladistribuciónyforma
en tiempo real, mediante la funcionaldelosdatos.
caracterización de distribuciones de Seproponendosmétodosparamedirla
probabilidad. El FKE permite obtener bondad de ajuste del modelo predictor,
mejores resultados que las técnicas de obteniéndose como resultado que el
estimaciónconvencionales,debidoaque modeloajustadoporlosalgoritmosFKE
hace uso de los estadísticos de segundo y FP o SIR tienen una exactitud de
orden (covarianzas) que son esenciales predicción mayor que 99% y un valor
para propagar el error sobre las para raíz de error cuadrático medio
predicciones;además,muestraexcelente menorque0.17,tantoparalasmuestras
convergencia en los parámetros de entrenamiento y validación,
estimados debido a las exigencias de respectivamente. Los resultados de este
memoria y precisión computacional. El estudio muestran que el modelo de RN
algoritmo FP o SIR permite que los es útil para predecir precipitaciones
parámetros se actualicen en forma mensualesconexactitudyconfiabilidad.

Agradecimientos
Agradecemos al servicio de meteorología de la Fuerza Aérea de Venezuela, por proveer los datos que
sirvierondeinsumoparaestetrabajo,yalosrevisoresanónimosporloscomentariosysugerenciasque
ayudaron a mejorar el manuscrito. Esta investigación fue parcialmente financiada por el Consejo de
Desarrollo Científico y Humanístico, proyecto CDCH2006003 y la partida 407 año 2009 de la Facultad
ExperimentaldeCienciasyTecnologíadelaUniversidaddeCarabobo.

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
 De Freitas, J., Niranjan, M., Gee, A. H. y
REFERENCIAS
Abarbanel, H. (1996).Analysis of observed data.
NewYork:SpringerVerlag.
Avitzour, D. (1995). A stochastic simulation
Bayesian approach to multitarget tracking,
Proc.Inst. Elect. Eng., Radar, Sonar, Navig, vol.
142,2,4144.
Beadle, E. R. y Djuriac, P. M. (1997). Fast
weighted boodstrap filter for nonlinear state
estimation,IEEETrans.Aerosp.Elect.Syst,vol.
33,338343.
Bishop, C. M. (1995). Neural Networks for
pattern Recognition. New York: Oxford
UniversityPress.
Bustami,R.,Bessaih,N.,Bong,C.ySuhaili,S.
(2007). Artificial neural network for
precipitation and water level predictions of
bedup river. IAENG International journal of
computerscience,34,2,228233.
Calderón, G. y Pérez, P. (2006). Estudio de
seriestemporalesdecontaminaciónambiental
mediante técnicas de redes neuronales
artificiales. Revista Chilena de Ingeniería, Vol.
14,3,284290.
Casdagli, M. (1989). Nonlinear prediction of
chaotictimeseries.PhysicaD,35,335356.
Cheng, B. y Titterington, D. (1994). Neural
Networks a review from a statistical
perspective with discussion. Statistical Science,
9,254.
De Freitas, J., Niranjan, M., Gee, A. H. y
Doucet, A. (1998). Sequential Monte Carlo
methods to optimization of Neural Network
Models.TechnicalreportCued/FInfeng/Tr328.
Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 54
Año3,Vol.II,N°5
 ISSN:18568327
Doucet, A. (2000). Sequential Monte Carlo
methods to Train Neural Network Models.
NeuralComputation,12,955993.
Doucet,A.,Godsill,S.yAndrieu,C.(2000).On
SequentialMonteCarloSamplingMethodsfor
Bayesian Filtering. Statistic and Computing, 10,
197208.
Doucet, A. (1998). On sequential simulation
based methods for Bayesian filtering. Tech
report No. Cued/FInfeng/tr 310. Cambridge
University.
Fraser, A. y Swinney, H. (1986). Independent
coordinatesforstrangeattractorsfrommutual
information,PhysReviewA,33,11341140.
Gordon, N., Salmond, D. y Smith, A.F.M.
(1993). Novel Approach to Nonlinear non
Gaussian Bayesian State Estimation, IEEE
ProceedingsF,140,107113.
Harvey, A.C. (1970). Forecasting, Structural
Time Series Models and the Kalman Filter.
Cambridge:CambridgeUniversityPress.
Infante, S., Ortega, J. y Cedeño, F. (2008).
Estimación de datos faltantes en estaciones
meteorológicas de Venezuela vía un modelo
de redes neuronales. Revista de Climatología de
España,8,5170.
Infante,S.,Rojas,J.,Hernández,A.yCartaya,
V. (2009). Modelos de espacio estado basados
en la distribución normal inversa gaussiana:
Una aplicación al análisis de series de tiempo
de la economía venezolana. Revista de
Estadística, del Instituto Interamericano de
Estadística,61,176y177.
Isard, M. y Blake, A. (1996), Contour tracking
by stochastic propagation of conditional
density. In computer visionECCV96, eds. B.
 IngenieríaIndustrial.
ActualidadyNuevasTendencias
Buxton and R. Cipolla, New York: Springer
Verlag,343356.
Kitagawa, G. (1996). Monte Carlo Filter and
Smoother for Nonlinear Non Gaussian State
Models, Journal of Computation and Graphical
Statistics,5,125.
Kong,A.,Liu,J.yWong,W.(1994).Sequential
Imputations and Bayesian Missing Data
Problems. Journal of the American Statistical
Association,89,278288.
Lary, D. J. y Mussa, H. Y. (2004). Using an
extendedKalmanfilterlearningalgorithmfor
feed forward neural networks to describe
tracer correlations. Atmospheric Chemistry and
PhysicsDiscussions,4,36533667.
Liu, J. (1996). Metropolized Independent
Sampling with Comparison to Rejection
Sampling and Importance Sampling, Statistics
andComputing,No.6,113119.
Liu, J. y  Chen, R. (1998). Sequential Monte
CarloMethodsforDynamicalSystems,Journal
of the American Statistical Association, No. 83,
10321044.
Neal, R. (1996). Bayesian learning for neural
networks.NewYork:Springer.
Nychka, H., Ellner, S., Gallant, A.  y
McCaffrey, D. (1992). Finding Chaos in noise
systems. Journal Royal of the Statistical Society
SeriesB,54,399426.
Titterington, D .M. (2004). Bayesian methods
Menchero,A,,MontesDiez,R.,RíosInsua,D. for neural networks and related models.
y Muller, P. (2005). Bayesian Analysis of StatisticalScience,Vol.19,No.1,128139.
Nonlinear Autoregression Models Based on
Neural Networks A. Neural Computation, No.
17,453485.



Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756
 55
Año3,Vol.II,N°5
 ISSN:18568327
Mitchell,T.(1997).MachineLearning,McGraw
hillpressinternationaleds.
Morais,H.,FragadeCampos,H.yEinstein,E.
(2008). Data assimilation: particle filter and
artificialneuralnetworks.JournalofPhysics:
conferenceSeries135012073.
Ooyen, A. y Nichhuis, B. (1992). Improving
theconvergenceofBackPropagationproblem.
NeuralNetworks,5,465471.
Rajunkar, M., Kothyari, U. y Chaube, U.
(2002). Artificial neural networks for daily
rainfallrunoffmodelling.HydrologicalSciences,
Vol.47,No.6,865877.
Ripley,B.(1994).Neuralnetworksandrelated
methods for classification (with discussion).
JournalRoyalStatisticalSocietySeriesB,No.56,
409456.
Ripley,B.(1996).PatternRecognitionandNeural
Networks. Cambridge: Cambridge University
Press.
Rubin,B.D.(1988).UsingtheSIRAlgorithmto
SimulatePosteriorDistributions,BernardoJ.M.,
Degroot M.H., Lindley D.V., and Smith A.F.M.
(Eds.),BayesiansStatistics,3,OxfordUniversity
Press,395402.
Takens, F. (1981). Detecting strange attractors
in turbulence, lecture notes in math, 898,
Springer,NewYork.
 IngenieríaIndustrial.  56
ActualidadyNuevasTendencias Año3,Vol.II,N°5
 ISSN:18568327

Autores
Saba Infante.  Profesor Asociado a Dedicación Exclusiva, Departamento de Matemáticas,
FacultadExperimentaldeCienciasyTecnologíayCentrodeAnálisis,ModeladoyTratamiento
de Datos (CAMYTD), Universidad de Carabobo, Valencia, Venezuela. 2005, Doctor en
Estadística,UniversidadSimónBolívar,Venezuela.
Email:sinfante@uc.edu.ve
Fernando Cedeño. Profesor Instructor a Dedicación Exclusiva, Departamento de Matemáticas,
FacultadExperimentaldeCienciasyTecnologíayCentrodeAnálisis,ModeladoyTratamiento
de Datos (CAMYTD), Universidad de Carabobo, Valencia, Venezuela. 2008,  Licenciado en
Matemáticas,UniversidadCarabobo,Venezuela.
Email:fjcedeno@uc.edu.ve
JoséOrtega.ProfesorTitularaDedicaciónExclusiva,DepartamentodeMatemáticasFacultadde
Ciencia y Tecnología y Centro de Análisis, Modelado y Tratamiento de Datos (CAMYTD),
UniversidaddeCarabobo,Valencia,Venezuela.2006,DoctorenCiencias,UniversidadCentral
deVenezuela.
Email:jortega@uc.edu.ve

Recibido:22/10/2010Aceptado:27/12/2010

Infanteetal.FiltrosconAprendizajedeParámetrosparaOptimizarModelosdeRedesNeuronales,p.3756