Algoritmos Wavenet con Aplicaciones en la Aproximación de Señales: un Estudio Comparativo

Autores/as

  • C.R. Domínguez Mayorga Universidad Autónoma del Estado de Hidalgo
  • M.A. Espejel Rivera Universidad la Salle Pachuca
  • L.E. Ramos Velasco Universidad Autónoma del Estado de Hidalgo
  • J.C. Ramos Fernández Universidad Politécnica de Pachuca
  • E. Escamilla Hernández SEPI-ESIME Cul

DOI:

https://doi.org/10.1016/j.riai.2012.09.001

Palabras clave:

Procesamiento de señales, Algoritmos auto-ajustables, Redes neuronales, Algoritmos de aproximación, Método del gradiente

Resumen

En este trabajo de investigación se aplican métodos adaptables en el diseño de algoritmos computacionales, dichos algoritmos emplean redes neuronales y series de wavelets para construir “neuroaproximadores” wavenets. Se muestra cómo las wavenets pueden combinarse con los métodos autosintonizables para obtener el seguimiento de señles complejas que están en función del tiempo. Los algoritmos obtenidos se aplican en la aproximación de señales que representan funciones algebraicas y funciones aleatorias, así como en una señal médica deun ECG. Se muestran los resultados en simulación numérica de dos arquitecturas de neuroaproximadores wavenets: el primero está basado en una wavenet, con el cual se aproximan las señales bajo estudio donde los parámetros de la red neuronal son ajustados en línea; el otro esquema emplea un filtro IIR a la salida de la red wavenet para discriminar las contribuciones de aquellas neuronas que tienen menos peso en la aproximación de la señal, lo que ayuda a reducir el tiempo de convergencia a un error mínimo deseado.

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

L.E. Ramos Velasco, Universidad Autónoma del Estado de Hidalgo

Universidad Politécnica de Pachuca

Citas

Chen, D., Hui-Qiang, 2007. Approaches to realize high precision analog-todogital comverter based on wavelet neural network. In: International Conference on Wavelet Analysis and Pattern Recognition, Beijing, China.

Chui, C., 1992. An Introduction to Wavelets. Academic Press Inc, Boston, MA.

Cruz-Tolentino, J., Ramos-Velasco, L., Espejel-Rivera, M., 2010. A self-tuning of a wavelet PID controller. IEEE International Conference on Electronics Communications and Computers, 23–31.

Daubechies, I., 1992. Ten lectures on waveletes. CBMS-NSF Regional Conference Series in Applied Mathematics, SIAM.

Gupta, M. M., Jin, L., Homma, N., 2003. Static and Dynamic Neural Networks: From Fundamentals to Advanced Theory. John Wiley and Sons.

Haykin, S., 1994. Neural Networks: A Comprehensive Foundation. Prentice Hall PTR, Upper Saddle River, NJ.

Haykin, S., 2001. Kalman Filtering and Neural Networks. John Wiley & Sons, New York.

Islas-Gómez, O., Ramos-Velasco, L., García-Lamont, J., 2010. Identificación y control wavenet de un motor de cd. Congreso Anual de la Asociación de México de Control Automático(AMCA), Puerto Vallarta, Jalisco, México.

Islas-Gómez, O., Ramos-Velasco, L., Ramos-Fernández, J., García-Lamont, J., Espejel-Rivera, M., 2012. Identificación y control wavenet de un motor de ca. Revista Iberoamericana Automática e Informática (RIAI), en revisión.

Jun, W., Hong, P., 2005. Constructing fuzzy wavelet network modeling. International Journal of Information Technology 11, 68–74.

Kobayashi, K., Torioka, T., 1994. A wavelet neural network for function approximation and network optimization. In: Intelligent Engineering Systems Through Artificial Neural Networks, Volume 4, C. H. Dagli, B. R. Fernandez, J. Ghosh, and R. T. Soundar Kumara, Eds., Proceedings of the Artificial Neural Networks in Engineering (ANNIE ´94) Conference.

Li, S., Chen, S., 2002a. Function approximation using robust wavelet neural networks. In: 14th IEEE International Conference on Tools with Artificial Intelligence.

Li, S.-T., Chen, S.-C., Nov. 2002b. Function approximation using robust wavelet neural networks. 14th IEEE International Conference on Tools with Artificial Intelligence, 2002. Proceedings (ICTAI 2002)., 483–488.

Mallat, S., 1995. Wavelet Signal Processing. Academic Press.

Park, J., Sandberg, I. W., June 1991. Universal approximation using radialbasis-function networks. Neural omputation 3, 246–257.

Rousseeuw, P. J., Leroy, A. M., 1987. Robust Regression and Outlier Detection. Wiley.

S. Gopinath, I. K., Bhatt, R., 2004. Online system identification using wavelet neural networks. In: TENCON 2004. 2004 IEEE Region 10 Conference.

Sedighizadeh, M., Rezazadeh, A., 2008. Adaptive PID control of wind energy conversion systems using RASP1 mother wavelet basis function network. Proceeding of World Academy of Science, Engineering and Technology, 269–273.

Sitharama, S., Cho, E. C., Phoha, V. V., 2002. Fundations of Wavelet Networks and Applications. Chapman and Hall/CRC, USA.

Teolis, A., 1998. Computational Signal Processing with Wavelets. Birkhäuser, USA.

Ting, W., Sugai, Y., Oct. 1999. A wavelet neural network for the approximation of nonlinear multivariable function. IEEE International Conference on Systems, Man, and Cybernetics, IEEE SMC ’99 Conference Proceedings. 3, 378–383.

Vetterli, M., Kovacevic, J., 1995. Wavelets and Subband Coding. Prentice-Hall, ´ USA.

W. Wang, T. Lee, C. L., Wang, C., 1997. Function approximation using fuzzy neural networks with robust learning algorithm. IEEE transactions on systems man and cybernetics Part B Cybernetics 27 (4), 740–747.

WEB, P., 2009. www.physionet.org/.

Widrow, B., Stearns, S. D., 1985. Adaptive Signal Processing. Prentice Hall, Inc., Englewood Cliffs, NJ.

Ye, X., Loh, N. K., 1993. Dynamic system identification using recurrent radial basis function network. In: Proceedings of American Control Conference.

Yu, W., Li, X., June 2003. Fuzzy neural modeling using stable learning algorithm. Proceedings of the American Control Conference Denver, Colorado, 4542–4548.

Zhang, Q., Beneveniste, A., 1992. Wavelet networks. IEEE Transactions on Neural Networks 3 (6), 889–898.

Descargas

Cómo citar

Domínguez Mayorga, C., Espejel Rivera, M., Ramos Velasco, L., Ramos Fernández, J. y Escamilla Hernández, E. (2012) «Algoritmos Wavenet con Aplicaciones en la Aproximación de Señales: un Estudio Comparativo», Revista Iberoamericana de Automática e Informática industrial, 9(4), pp. 347–358. doi: 10.1016/j.riai.2012.09.001.

Número

Sección

Artículos