Optimización de la metodología de entrenamiento para Redes Neuronales de Impulsos (SNNs) para predicción un paso adelante
Palabras clave:
Diseño de metodologías, Validación de modelos, Redes Neuronales, Modelado de series temporales, Diseño de experimentosResumen
Las Redes Neuronales de Impulsos (Spiking Neural Networks, SNNs) son modelos computacionales reconocidos por ser capaces de procesar información espacio-temporal con un consumo ultrabajo. Para aprovechar sus ventajas energéticas y computacionales, las SNNs se deben utilizar junto con algoritmos de codificaci´ón-decodificaci´ón lo suficientemente eficientes. Así, en este trabajo se presentan dos nuevas propuestas de la metodología de entrenamiento de SNNs para problemas de predicción un paso adelante (forecasting), mediante la aplicación de dos versiones optimizadas del algoritmo original de codificación decodificación basado en la modulación por ancho de pulso (Pulse Width Modulation, PWM). Estas dos nuevas propuestas se han validado en series temporales correspondientes a una señal senoidal y 4 bases de datos de acceso publico. Los resultados muestran que las nuevas propuestas consiguen eliminar casi por completo los costes computacionales y energéticos de la codificación y decodificación, manteniendo la precisión de la metodología original.
