Resumen de Criterio de la medida de estabilidad para redes de aprendizaje competitivo.

Amparo Sacristán Carrasco, Elena Valderrama Vallès, C. Pérez Vicente

• español

  En este artículo se presenta un criterio de convergencia para redes neurales de aprendizaje competitivo alternativo al establecido por Rumelhart et al. [3], que reduce en un alto porcentaje el número de iteraciones necesarias para que la red alcance una configuración estable. El nuevo criterio de convergencia se basa en la medida de estabilidad de la red, en contraposición a la variación de pesos que define Rumelhart et al. Se muestran resultados obtenidos en una serie de experiencias realizadas, que permiten evaluar la reducción en número de pasos alcanzada al aplicar el nuevo criterio frente al criterio de Rumelhart.

• English

  In this paper a convergence criterion for neural networks of competitive learning alternative to that established by Rumelhart et al. [3] is presented. With it the number of iterations needed so that the network reachs a stable configuration is reduced to a high degree. The new convergence criterion is based on the network stability measurement in contrast to the weight variaton which is defined by Rumelhart et al. Results obtained in a number of realized test which allow you to evaluate the step number reduction reached when applying the new criterion as contrasted with Rumelharts are shown.