Estudio del comportamiento de modelos neuronales de sistemas MIMO acoplados

  1. Iturbe, Lucía 1
  2. Irigoyen, Eloy 1
  3. Larrea, Mikel 1
  4. Gómez-Garay, Vicente 1
  5. Sanchís, Javier 2
  1. 1 Universidad del País Vasco/Euskal Herriko Unibertsitatea
    info

    Universidad del País Vasco/Euskal Herriko Unibertsitatea

    Lejona, España

    ROR https://ror.org/000xsnr85

  2. 2 Universidad Politécnica de Valencia
    info

    Universidad Politécnica de Valencia

    Valencia, España

    ROR https://ror.org/01460j859

Libro:
XLIV Jornadas de Automática: libro de actas: Universidad de Zaragoza, Escuela de Ingeniería y Arquitectura, 6, 7 y 8 de septiembre de 2023, Zaragoza
  1. Ramón Costa Castelló (coord.)
  2. Manuel Gil Ortega (coord.)
  3. Óscar Reinoso García (coord.)
  4. Luis Enrique Montano Gella (coord.)
  5. Carlos Vilas Fernández (coord.)
  6. Elisabet Estévez Estévez (coord.)
  7. Eduardo Rocón de Lima (coord.)
  8. David Muñoz de la Peña Sequedo (coord.)
  9. José Manuel Andújar Márquez (coord.)
  10. Luis Payá Castelló (coord.)
  11. Alejandro Mosteo Chagoyen (coord.)
  12. Raúl Marín Prades (coord.)
  13. Vanesa Loureiro-Vázquez (coord.)
  14. Pedro Jesús Cabrera Santana (coord.)

Editorial: Servizo de Publicacións ; Universidade da Coruña

ISBN: 9788497498609

Año de publicación: 2023

Páginas: 162-167

Congreso: Jornadas de Automática (44. 2023. Zaragoza)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openRUC editor

Resumen

En la actualidad, son muchos los trabajos donde se utilizan modelos neuronales para reproducir las dinámicas de complejos sistemas no lineales. Existe un amplio estudio para propuestas que contemplan sistemas monovariables. Pero cuando se trata de lograr un modelo integral de un sistema multivariable (MIMO) son muchas las incógnitas que se presentan, además de las clásicas relacionadas con la capacidad de la red neuronal de reproducir la salida del sistema en predicciones a una muestra o con la robustez de dicho modelo neuronal a determinadas perturbaciones o incertidumbres aparecidas en el sistema. Cuando se trata de trabajar con sistemas MIMO surgen nuevos retos como son la predicción a futuro realizada por dicho modelo y los acoplamientos inherentes en el mismo. Por ello, este trabajo propone introducir en la validación de modelos neuronales un análisis metodológico donde se consideren todas estas variantes. Como caso de uso, este trabajo presentará el modelo neuronal de un sistema de refrigeración de una pila de combustible tipo PEM.

Fuente de los datos: Dialnet