Red neuronal artificial para la extracción de parámetros dinámicos de robots a partir de información incompleta de su movimiento

Abstract

Las redes neuronales artificiales son útiles para procesar datos con información incompleta para obtener una salida deseada. En los sistemas de medición de robots manipuladores, solo se toman muestras cuantificadas de la posición y, por lo tanto, no se puede ejecutar en un tiempo razonable algoritmos deterministas para extraer los parámetros del robot. En el estado del arte, se abordan algoritmos de extracción de parámetros basados en la suposición de que no existe la cuantificación de las señales del movimiento del robot y que la primera y segunda derivada de la posición son muestreadas y no estimadas. En este trabajo, se propone un algoritmo basado en una red neuronal entrenada para extraer los parámetros de un determinado robot para reducir el tiempo de caracterización del robot, además, con la metodología propuesta se pueden extraer parámetros dinámicos del mismo tipo de robot con el que se ha entrenado la red neuronal.

Factores endógenos y exógenos para el modelado y predicción del rendimiento académico de estudiantes universitarios

“…Una red neuronal artificial es un modelo matemático computacional cuyo funcionamiento se asemeja al funcionamiento del cerebro humano (aprendizaje basado en la experiencia), el cual involucra la utilización de cierto número limitado de variables con la finalidad de predecir el comportamiento de fenómenos mediante el entrenamiento, capaz de procesar datos incompletos obteniendo buenos resultados (Cejudo et al, 2021;de León et al, 2021). De acuerdo a su estructura y según el número de capas, tenemos el Perceptron simple, Aladine, Perceptron Multicapa, redes de Feedforward, redes de Elman, redes de Hopfield, entre otras.…”