• Pazos Sierra, Alejandro
• Dorado de la Calle, Julián
• Santos del Riego, Antonino
• Rabuñal Dopico, Juan Ramón
• Pedreira Souto, Nieves

• Artificial Neural Networks
• Genetic Algorithms

En este artículo se plantea la forma de entrenar un nuevo modelo de Red de Neuronas Artificiales Recurrentes (RNAR) mediante un AG (Algoritmo Genético). En este tipo de RNA se busca reforzar la persistencia de las activaciones de las neuronas para crear contextos de activación que generen salidas adecuadas en el tiempo. En este nuevo enfoque se preetende almacenar más información en las conexiones de las neuronas. Para ello se pasa de representar las conexiones como un valor fijo a representarlas como una función que genera la salida de la neurona en el tiempo. El proceso de entrenamiento de este tipo de RNA calcula el valor de la pendientae que carecteriza la función. Para el entrenamiento se ha desarrollado un sistema basado en AG que localiza la configuración de las pendientes más adecuadas para la resolución del problema. El sistema completo de AG-RNA se ha probado en la predicción de series temporales y comparado con el funcionamiento de las modelos estadísticos ARIMA.