APLICACIÓN DE LA TEORÍA DE GRAFOS A LA OPTIMIZACIÓN DE REDES NEURONALES ARTIFICIALES
Palabras clave:
teoría de grafos, redes neuronales, redes artificiales, optimizaciónResumen
El objetivo del estudio es explorar cómo la teoría de grafos puede aplicarse para optimizar redes neuronales artificiales, analizando tanto las bases teóricas como las implicaciones prácticas de esta integración. En el marco teórico, el autor presenta los fundamentos de las redes neuronales artificiales y de la teoría de grafos, estableciendo su potencial para modelar la conectividad de las redes neuronales. La metodología combina revisión de literatura, análisis teórico y experimentación práctica optimizando redes neuronales con técnicas de grafos. Los resultados muestran mejoras significativas tras la optimización, reduciendo un 15% el tiempo de entrenamiento y aumentando un 10% la precisión en pruebas. Además, se encontró una correlación entre complejidad de red y beneficios de optimización. El autor concluye que la integración de grafos en optimización de redes neuronales artificiales mejora eficiencia y precisión, con implicaciones en aplicaciones como procesamiento de lenguaje natural y análisis de imágenes. Se requiere más investigación sobre variaciones en estructura y tamaño de grafos para diferentes tipos de redes neuronales.
