Intervalos de Predicción para Redes Neuronales Artificiales

Resumen La red neuronal artificial (ANN) se está convirtiendo en un modelo muy popular para aplicaciones de ingeniería y científicas. Inspiradas en la arquitectura del cerebro, las redes neuronales artificiales representan una clase de modelos no lineales capaces de aprender de los datos. Las redes neuronales se han aplicado en muchas áreas, incluyendo la coincidencia de patrones, clasificación, predicción y control de procesos. Este artículo se centra en la construcción de intervalos de predicción. La teoría estadística previa para construir intervalos de confianza para los parámetros (o los pesos en una ANN) es inapropiada, porque los parámetros son no identificables. Mostramos en este artículo que el problema desaparece en la predicción. Luego construimos intervalos de predicción asintóticamente válidos y también mostramos cómo usar los intervalos de predicción para elegir el número de nodos en la red. Luego aplicamos la teoría a un ejemplo para predecir la carga eléctrica.