Esquema de Aprendizaje Basado en la Ecuación HJB para Redes Neuronales Artificiales

Ponente(s): Esteban Reyes Saldaña, Dra. Ligia Quintana Torres
En este cartel se plantea el problema de la actualización de los pesos de una red neuronal Feed-Forward como un problema de control. Se utiliza la ecuación de Hamilton-Jacobi-Bellman (HJB) para encontrar una regla de actualización de pesos óptima. La contribución principal es que utilizando la ecuación HJB pueden obtenerse soluciones tanto para el costo óptimo como para las actualizaciones de los pesos en cualquier red neuronal Feed-Forward. Se compara el enfoque propuesto con algunos de los mejores algoritmos de aprendizaje que existen. Se ha encontrado que con esta propuesta la convergencia es más rápida en términos de tiempo computacional. Se incluyen algunos datos de las pruebas realizadas en problemas como los de la 8-bit parity, cáncer de seno y aprobación de crédito.