Sistema Multiagente para el Diseño de Redes de Neuronas de Base Radial Óptimas

Abstract

Las Redes de Neuronas de Base Radial (RNBR) se comportan muy bien en la aproximación de funciones, siendo su convergencia extremadamente rápida comparada con las redes de neuronas de tipo perceptrón multicapa. Sin embargo, el diseño de una RNBR para resolver un problema dado, no es sencillo ni inmediato, siendo el número de neuronas de la capa oculta de una Red de Base Radial (RBR) un factor crítico en el comportamiento de este tipo de redes. En este trabajo, el diseño de una RNBR está basado en la cooperación de n+1 agentes: n agentes, cada uno de ellos formado por una RBR, que denominamos agentes RBR y 1 agente árbitro. Estos n+1 agentes se organizan formando un Sistema Multiagente. El proceso de entrenamiento se distribuye entre los n agentes RBR, cada uno de los cuales tiene un número diferente de neuronas. Cada agente RBR se entrena durante un número determinado de ciclos (una etapa), cuando el agente árbitro le envía un mensaje. Todo el proceso está gobernado por el árbitro que decide cuál es el mejor agente RBR en cada etapa. El resultado de los experimentos muestra una importante reducción del número de ciclos de entrenamiento utilizando la estrategia multiagente propuesta, en lugar de una estrategia secuencial.