Mezcla de distribuciones de weibull mediante redes neuronales artificiales con datos censurados

Résumé

El trabajo de tesis se centra en la utilización de redes neuronales artificiales para la estimación de los parámetros de una población de tiempos de fallo, que sigue una distribución de Weibull de fallo ó mezcla de subpoblaciones; bien sea con datos censurados ó sin censurar, Entre los objetivos, se encuentran los de obtener las expresiones matemáticas de los estimadores máximo verosímiles (E.M.V.) de los parámetros de interés y una vez obtenidas éstas, se utilizará la red neuronal: Perceptrón multicapa para la estimación de éstos, debido a la complejidad y cantidad de cálculos que suponen las expresiones matemáticas anteriores. Podar la red neuronal para que sin pérdida de generalidad se reduzca la topología de la misma, así como dar un criterio sobre el número óptimo de neuronas de la capa oculta. Por último, se procede a mezclar redes con el fin de mejorar las estimaciones y se comparan los resultados obtenidos con la red y con los estimadores máximos verosímiles en todos los ejemplos desarrollados en este trabajo. Las conclusiones más importantes fueron: - La red mejora los resultados E.M.V. ó no difieren mucho de los parámetros reales. - Al podar se puede conseguir una buena relación entre el error y las horas de entrenamiento, al aumentar el tamaño de la red se pueden llegar a errores absolutos de 0. - Se acotó el número de neuronas de la capa oculta con teoremas y algoritmos genéticos. - Tanto en el caso de tener la misma topología como en el que no sean iguales el nº de neuronas de la capa oculta, se observa que la salida obtenida de la mixtura de las redes es mejor que las salidas sin mixturar de las redes.