INFORMACION
IN 0716-8756
TECNOLOGICA
VOL10 * N°1 + 1999
SUMARIO
Prélogo
Informaciones
Novedades Bibliogréficas
Investigacién en Marcha
Congresos Recientes
Articulos Originales
ARTICULOS
Quimica y Aplicaciones
|. Produccién de Xantano. Influencia del Medio de Cultivo y Condiciones de
Operacién sobre la Reologia de los Caldos y la Calidad del Polimero. G.
Lorda, M.D. Pastor y A. Balatti(Argenting)
. Caracteristicas Estructurales de una Sal de Amidinio Ciclica y Compuestos
Derivados. A. Salemo e LA. Perillo (Argentina)
Analisis por Cromatografia en Capa Fina (TLC) de un Exopolsacaiéo
producido’ por Rhizobium phaseoli FES-C1. S. Reginensi (Uruguay), J.
Palacios, L.P, Martinez y J. Keller (México)
Estudios Cinéticos sobre la Sintesis de una Serie de Derivados 3-Sustituidos
de Quinoxalinonas, Comparacion con al Serie de Benzoquinoxalinonas
Andloga. G.A, Rodrigo, K.B. Pitor G. Bekerman, M.). Abasolo y B.M.
Femdndez (Angenting)_——_
. Variacion Estacional de Faisos Positives en la Determinacién de Zeranol en
rina. S: del Castillo y N. Vera (Argentina)
Energia y Medio Ambiente
6. Estabilidad Dinémica de un Grupo Hidrogenerador Conectado a la Red en
una Central Hidroeléctrica. F.J. Maganto (Espafia)
7. Un Método en Continuo para la Medicién del Flujo de Metano Producidos
por Suelos. S. Martinez, M. Ozores, MJ. Femédndez y ML. Sanchez
eae eee
. Un entoque Euleriano-Lagrangiano para el Andlsis de la Dispersion de
Petrdieo en el Mar. F. Cioffi y F. Gallerano (lalla)
(continda al interior de esta porteda)
EDITOR
JOSE O. VALDERRAMA
CENTRO DE INFORMACION TECNOLOGICAINFORMACION TECNOLOGICA
VOL 10*N® 1° 1999
SUMARIO (continuacion)
9. Contribucion de Venezuela a la Conservacion de la Capa de Ozono. Efectos del
Reemplazo de Retrigerantes Freones. M.H. Pereira, R. Coltters y S. Camero
Venezuela) a n
10. Ensayos en Discontinuo de Codigestion Anaerobia Termofilica de Purines de
Cerdo y Lodos Residuales. Efecto del Amonio. x. Flotats, A. Bonmati, E.
Car M, Antunez (Espana) 79
Fluidos Supercriticos
11. Extraccién de Alealoides de los Granos de Café Canephora usando Fluidos
Supercriticos. M.D.A. Saidafia, R.S. Mohamed y P. Mazzafera (Brasil) 87
12. Extraccién de Colesterolcon Mezclasde Diéxidode Carbono y Etano Supereritico.
M.D.A, Saldafia, E.M. Homem y R.S. Mohamed (Brasil) 95
13. Equilibrio de Fases en Sistemas que Contienen Fiuidos Supercriticos usando
el Simulador Comercial ChemCAD lll. ¥.0. Valderrama y A.S. Rojas (Chile) 101
Alimentos e Industria Alimentaria
14, Proteolisis en Leche Destinada a la Elaboracién de Queso. 0.4. Sbodio, M.L.
Minettiy E.J, Tercero (Argentina) _ eee
15. Determinacién de Clenbuterol y Salbutamol en Leche por Radioinmunoanalisis.
8. de! Castillo y V. Gras (Argentina, 119
16. Optimizacién de un Técnica para la identificacién de Propionibacterias en la
Fabricacién de Quesos. G.V. Zarate, A. Perez Chaia y G. Oliver (Argentina) 123
Transferencia de Calor y Materia
109
17. Aplicacién de Promotores de Turbulencia en la Optimizacién de Redes de
Recuperacién de Calor. G.T. Polley (Inglaterra), M. Picon, E. Torres y A.
Gallegos (México) 131
18. Madicion de Bajas Velocidades del Flujo de Aire en Procesos de Transferencia
de Calor por Conveccién Natural. G.S. Marinho, A.C.B. Rocha, L. Hidebrand Jr.
vW.N.L. Roma (Brasi 139
19. Andlisis del Proceso de Secado de Tierras que cubren Cables Elécirioos de
Potencia. L.D.F. Marozak (Brasil) 149
20. Validez de Experioncias Basicas sobre Procesos de Secado Rotativo usando un
Programa de Simulacién. V. Koppel, M. Segal, M. Remer, M. Lopano y N.
Tonneguzzo (Argentina) __ - 157
21, Medida de Temperatura Humeda con Termocupla. Importancia dela Geometria
del Sensor y de la Velocidad del Aire. O.S. Hemandez, A.T. Saeki, R.A. Pinto
y.JM, Pimenta (Brasil) 165
22, Técnica de Transmision de Radiacin Laser para Estudios de Nucleacion y
Medida de Zonas Metaestables en Procesos de Cristalizacion. A. Carton, MM.
Marcos, F. Sobrdn y S. Bolado (Espafia) __
173
Cogeneracién
23. Optimizacién del Disefio de Entronques de Gases Calientes con Aire Fresco en
Instalaciones de Cogeneracién. JM. Blanco, |. Armentia, V. de la Penta y LM.
Sala (Espafa 185
(Continda en pagina del frente)INFORMACION TECNOLOGICA
VOL 10 + N° 1+ 1999
SUMARIO (continuacion)
Ingenieria Mecanica
37. Anélisis Teérico y Experimental de los Torques Resistivos de una Turbina de
Medici6n. V.C.S: Ferreira y C.F. Favaretto (Brasil 285
38. Sistema de Ensayos para Accionamientos Electromecanicos Rotativos
Fraccionarios. D.8. Pimentel y C.A. Martin (Brasi) 299
39. Andlisis Anisotérmico de Barras con Memoria de Forma. P.M.C.L. Pacheco y
M.A. Savi (Brasil) 299
Redes Neurales
40. Control de la Relacién Aire-Combustible en Motores de Vehiculos por Medio de
Redes Neuronales. A. Carotenuto y L. Franchina (italia) _______307
41, Aplicacién de Redes Neurales Artiiciales a la Ciasificacién de Suelos en ei
Diagrama Textural. S. Bolado, J. Alvarez-Benedi, R. de Miguel and T. Isla
(Espara| _ 313
Computacién y Robtica
42. Desarrollo de un Robot Limpiafondos Industrial para el Mantenimiento de
Grandes Lagos Artificiales. F.T. Bogumil, O. Sauquet y S.L. Anortec (Espafa) 321
43, Aplicacién de una LAN de Radiofrecuencia en Tiempo Real al Control de un
Proceso Industrial. L. Franchina (italia 329
44, Un Sistema para la Recoleccidn de Datos Ambientales y Metereoiogicos. G.A
Oliver y A.T. Molas (Espaa| 335
Ensefianza en Ciencias e Ingenieria
45. EI Método investigacién-Accién en el Desarrollo de instrumentos de Evaluacién
en Cursos Universitarios de Quimica Organica. D.G. Bekerman, M.. Abasolo,
S.E. Asis, AM. Bruno, G.A. Rodrigo, A.E. Robinsohn y BM, Fomandez
“Argentina} 341
46. Mejoras del Aprendizaje y del Rendimiento de Grupos Reducidos de Estudian-
tes en una Asignatura de Proyactos de Ingenierla. F.T. Bogumil y F. Abad
(Espa 345
Articulos Varios
47. Efecto del Wolframio en el Catalizador de Platino/Alimina durante la
Hidroconversién de n-Heptano. J... Contreras y G.A. Fuentes (México) 353
48, Anélisis Espacial y Temporal de la Temperatura en Cuatro Observatorios de la
Region de Castilla y Leon - Espana. M.A. Garcia, LA. Pérez y M.L. Sanchez
(Espana 361
49. Consideraciones sobre el Error en el Calculo de Trayectorias del Aire on
Campos de Viento. I.A. Pérez, E. Sanz, M.A. Garcia y M.L. Sanchez (Espana) 367
50. Soluciones Invariantes del Equilibrio Magnetohidrostatico de un Plasma Toroidal.
E. Saiz, Y. Cerrato y J. Gutiérrez (Espafia) __ —
51. Ecuaciones de Movimiento de Sistemas con Momento Angular Propio. M.
Dorado (Esparia) a7
Thie
QPR6-35Y-3CC7
37124,
INFORMACION TECNOLOGICA
VOL 10+ N° 1+ 1999
SUMARIO (continuacidn)
Evaluacién de Altemativas de Cogeneracién en Centrales Azucareros Cuba-
nos. E.R. Barreda y J. Liagostera (Brasil 193
Lechos Fluidizados
28,
26.
Influencia de la Presién sobre las Fluctuaciones de Pérdida de Carga en Lechos
Fluidizados Solido-Gas. MF.
‘Técnicas parala Desulfuracién de Gases. A. Pisanivr. yD. de Moraes Jr. Brasil) 209
Materiales
27.
28.
29.
30.
31.
32,
Comportamiento de la Polieterimida Reforzada con Tejido de Carbono tras
Envejecimiento Natural y Acelerado. J. Vifia, A. Argdelles, M.A. Castrllo y/. Viria
(Espana) —
Estudio Experimental del Desgaste de Herramientas en el Punzonado de
ge Acero Inoxidable 18-8. F. Faura, A. Garcia y J. Lopez (Espana) ___ 223
Uso de Atmésteras Protectoras sobre la Superficie de una Aleacion Co-Cr-Mo
Fundida. M. Méndez, M. Soriano, D.A. Cortés, JC. Escobedo y J. Méndez
217
(México) _ 229
Analisis no Lineal de Muros de Hormigon Armado, P. Dechent, A. Huenchullén,
A. Solar, M. Fuentes y G. Leiva (Chile) — 235
Materiales de Construcci6n Adecuados para Regiones de Clima Célido. P.M.
La Roche y M.V. Machado (Venezuela) _ 243
Enfoque Numérico basado en Analogias entre Sistemas Térmicos y Eléctricos
Aplicado a la Solidficacién de Sistemas de Geometria Compleja. C.A. Santos,
N. Cheung, J.A. Spim Jr. y A. Garcia (Bras) ——_______________251
Corrosion
33,
34,
Estudio Electroquimico del Comportamiento a la Corrosién de Diferentes
Aceros Inoxidables. J.J. Santana, J.C. Mirza y J.€. Gonzdlez (Espafia).
Estudio Comparativo del Comportamiento a la Corrosién de Algunos Sistemas
de Pinturas Aplicados sobre Aceros. J.J. Santana. J.C. Mirza v J.E. Gonzalez
(Espana) 263
257
Metalurgia
35.
36.
Seleccién de un Medio Apropiado para la Separacién Electroforética de Mine-
rales Insolubles y Ligeramente Solubles. R. Ozioba, S. Udaquiola, P. Sarquis
yR. Ferretti (Argentina)
Desarrollo de un Sistema Experto para Seleccién y Presidefio de Clarificadores
ySedimentadores. O.A. Ortiz, C.A. Mengual y S.E. Tapia (Argentina)
273
279
(concluye al reverso de esta pagina)( PROLOGO \
El trabajo de edicién de los articulos enviados para publicacién en una revista, que debiera ser
simple y fluido, se ve frecuentemente empafiado por el no cumplimiento de las Normas de
Presentacién de Trabajos, por parte de los autores. Este importante aspecto, la presentacién, a
‘menudo no es enfatizado por los arbitros de los articulos, quienes se preocupan mas de aspectos
de fondo. Por lo tanto, el rol del Editor representa una etapa fundamental para la correcta
presentacién de los articulos.
Un camino facil para todo Editor es el rechazo inmeciato de todo trabajo que no cumpla con
estandares minimos de calidad y presentacién. Sin embargo, el rol del Editor debe ser también el
de un guia, que colabore con sugerencias coneretas para la correcta publicacién de articulos,
aspecto que no todos los eciitores consideran v que alaunos autores incluso consideran “ofensivo".
Esta guia es de especial importancia cuando autores inexpertos no cumplen casi ninguna norma
‘establecida por la comunidad internacional ni por las normas de la revista. Esto hace del trabajo de
edicion una actividad dificil y que noesta exenta de incomprensiones. Cuando un Editorlo hace bien,
los autores probablemente consideran que ese es su deber, y cuando lo hace mal, entonces es
bueno criticarle, hacerle comentarios impertinentes 0 2 veces insultarle, como ocurre con mas
frecuencia que la imaginable. El siguiente trozo de un poema tomado de Bishop (1984), se refiere
a este gratificante pero a veces incomprendido trabajo.
Se paro ante la majestuosa entrada,
‘sus pies frlos y su cuerpo cansado,
hizo a Don Pedro una reverencia
pidiendo humildemente ser aceptado.
Que has hecho ti en ta vide
para merecer el paraiso celestial?
« 2
mm.). En este tipo de anilisis, la fraccién de
tamaiio superior a 2 mm. es separada por
tamizado en una fase inicial y la distribucién
de tamafios se realiza sobre una muestra con
tratamiento previo para la eliminacién de
materia orginica. Una vez determinado el
porcentaje de particulas de cada grupo, el
diagrama se construye en un tridngulo
cequilétero cuyos vértices representan 100% de
arena, 100% de arcilla y 100% de limo.
‘A pesar de que este diagrama estd
ampliamente aceptado por Ia comunidad
cientifica, hay variaciones considerables entre
los distintos paises sobre los limites de las
diferentes clases de particulas y se han
propuesto varias transformaciones del trién-
gulo de texturas estindar (Shirazi y Boersma,
1984; Shirazi et al., 1988). Debido a este
hecho, se planted un segundo objetivo,
consistente en evaluar la versatilidad y
facilidad de adaptacién de las RNA a
diferentes diagramas sin necesidad de
reprogramar los algoritmos de célculo.
Informacion Tecnolégica - Vol. 10 N° 1 - 1999
METODOLOGIA
Se procedié al desarrollo y aprendizaje
de una RNA para la clasificacién de suelos,
teniendo como entradas el porcentaje de arena
y limo normalizado y como respuestas la zona
del diagrama de texturas. Este mismo método
es aplicable a otras clasificaciones basadas en
el uso de diagramas. El potencial de esta
téenica reside en su flexibilidad y versatilidad
Para ilustrar e! procedimiento con un diagrama
més sencillo y con el fin de mostrar la
versatilidad del método, se presenta un
ejemplo previo consistente en la clasificacién
de suelos en tres grupos texturales: arcilloso,
limoso y arenoso, a partir de los porcentajes de
arena y limo del suelo. Las dos clasificaciones
abordadas en este trabajo se consiguen
empleando 1a misma metodologia (excepto en
lo que concieme a la topologia de la red).
Generacién de la red
Las redes neurales attificiales se
construyeron utilizando dos neuronas en la
capa de entrada, que permiten introducir
informacién sobre los porcentajes de lime y
arena. La capa de salida estaba compuesta por
uun niimero de neuronas igual al nimero de
zonas del diagrama. Cada neurona de la capa
de salida representa una zona, y tiene dos
estados posibles: ef valor 0 representa una
clasificacién incorrecta y el valor 1 representa
la zona correcta. Asi, si los valores de tres
neuronas en la capa de salida de un diagrama
de tres zonas son (1,0,0), la red indica la zona
1, con una salida (0,1,0) la red designa Ia zona
2, y con (0,0,1) la zona 3, Sélo una de las tres
clasificaciones es correcta, de modo que sélo
una de las neuronas de la capa de salida puede
estar activada, Esta representaciOn’ produjo
mejores resultados que la RNA construida con
luna sola neurona en la capa de salida que
generaba diferentes valores para cada
clasificacién (por ejemplo 0 para la zona 1, 1/2
para la zona 2 y 1 para la zona 3).
Puesto que los valores de salida de la
red estén en el intervalo (0,1), se seleccioné
una sigmoide como funcién de transferencia:
1
te
F=— @
315Todas las neuronas, excepto las de Ia
capa de entrada, calculan su entrada a partir de
das de las neuronas de la capa anterior:
donde I, es la entrada a la neurona “q”, Xp son
las salidas de las neuronas de la capa anterior y
Wy, son los coeficientes ponderales para la
salida de la neurona “p” hacia la neurona “q”.
Xs es la contribucion de una neurona
adicional, denominada BIAS, cuya inclusién
en la red mejora la convergencia y la velocidad
de aprendizaje (Baghat, 1990). La neurona
BIAS esté conectada a todas las neuronas de
las capas intermedia y de salida, teniendo para
todas la misma contribucién (el valor Xx). Wig
representa el coeficiente ponderal de la
neurona “q” para el valor del bias. La salida de
la neurona “q” se calcula a través de la funcién
de transferencia definida por la ecuacién (1).
Una vez calculadas las sali de todas las
neuronas de una capa, pueden iniciarse los
célculos para la capa siguiente. Si la red esté
constituida por varias capas intermedias el
procedimiento continiia hasta calcular los
valores de las neuronas de la capa de salida.
Aprendizaje de la red
Se utilizé el procedimiento de
aprendizaje mediante retropropagacién de
errores (RP). Es destacable que el aprendizaje
requiere solo una serie de valores de entrada y
los correspondientes valores deseados para la
capa de salida, por lo que la metodologia es la
misma para cualquier tipo de clasifica:
Cuando se le aplica un valor de entrada, se
calcula la respuesta de la RNA, se compara
con el correspondiente valor esperado, y el
error s¢ retroalimenta a través de la RNA,
ajustindose los valores de los coeficientes
ponderales para minimizarlo. El error en la
capa de salida se estima calculando la
diferencia entre el valor real y el obtenido, y se
define el parimetro 8 como el producto del
error por la derivada de la funcién de
transferenci:
5. = Ema F(Xa.) eo)
donde q representa la neurona y L la capa de
salida, Xq1 es Ia sefial de entrada de fa neurona
y F? la derivada de la funcién de transferencia
(ec. 1). Errg. es la diferencia entre el valor
316
deseado y el obtenido por la red. La vaniacion
en el coeficiente ponderal de conexién entre la
neurona “q” en la capa Ly la neurona “p” en
la capa K cumple la ecuacién:
A Wr S841 Ope +aSW ya (4)
donde s es una velocidad de aprendizaje (0.1
suele ser suficiente para datos normalizados),
Opx,€ 1a salida de la neurona “p” en la capa
anterior, a es un factor (momento) y n el
niimero. de iteraciones. Los coeficientes
ponderales de las neuronas situadas en las
capas intermedias se calculan utilizando la
siguiente redefinicién de 8:
5px = FX) NGat. Wea ()
donde el valor de 5, se refiere a la neurona p
situada en la capa intermedia K con una sefial
de entrada global Xpx, Sy: es el valor
calculado de 5 para cada neurona q de la capa
siguiente L en la red (los calculos se continaan
hacia atras desde la capa de salida hacia la
capa de entrada) y Wygi es el coeficiente
ponderado entre la salida de la neurona q y la
neurona p de la capa K.
Una de las ventajas del método RP es
la seguridad y la velocidad en el aprendizaje:
ef error disminuye gradualmente y el criterio
de estabilidad se satisface ficilmente. Una vez
que el procedimiento de aprendizaje ha
ajustado los valores de los coeficientes
ponderales, se obtienen resultados muy
aproximados a los reales, incluso fuera de los
limites del dominio de! aprendizaje.
Las redes fueron construidas utilizanda
el mismo cédigo (REDES, Dep. de Ingenieria
Quimica, Univ. de Valladolid, Espafia), siendo
la topologia (capas y nimero de neuronas por
capa) el parimetro modificado para optimizar
Ja respuesta de Ia red. Asi, se comprobaron
todas las situaciones con un algoritmo
totalmente general y sin escribir nuevo cédigo
de programa. Esta metodologia es apropiada
para cualquier situacién en la que se disponga
de un conjunto de datos de entrada y sus
correspondientes respuestas utilizando el
mismo cédigo y el mismo procedimiento. En
el aprendizaje se utilizaron dos ordenadores:
un IBM-PC 80486 ejecutado bajo DOS y un
Apollo DNL0000 bajo UNIX para redes
Informacion Tecnolégica - Vol. 10 N° 1 - 1999mayores y con mayor requerimiento de
memoria (los programas fueron desarrollados
utilizando ANSI C para garantizar la
compatibilidad del cédigo para diferentes
compiladores y sistemas operativos)
RESULTADOS
Aplicacién a un diagrama de tres zonas:
Se utilizé una RNA construida a partir
de dos neuronas en la capa de entrada, tres en
la de salida y siete en la intermedia (2-7-3),
incluyendo una neurona BIAS. Siguiendo la
descripcién mencionada anteriormente de la
capa de salida, si los valores de las neuronas
de salida son (1,0,0), la red indica que el suelo
¢ arcilloso, mientras que si la salida es (0,1,0)
el suelo es limoso y si es (0,0,1) es arenoso.
Para el aprendizaje de la red 2-7-3 se utilize
una distribucién homogénea de pares de datos
del triangulo de tres zonas. En la tabla 1 se
presenta la arquitectura de la red y se
comparan las descripciones de las neuronas en
las dos aplicaciones presentadas en este
articulo. Los resultados se muestran en la
figura 3, que representa el calculo predictivo
de 231 puntos. Las lineas delimitan las tres
zonas de clasificacién establecidas como
entradas y los simbolos representan la
respuesta de la RNA.
Fig3: Diagrama de tres zonas utilizado con la
red 2-7-3. 0: arcilloso, A: arenoso, O: limoso
Informacion Tecnoligica - Vol. 10 N° 1 - 1999
Tabla 1: Descripcion de la topologia de tas
redes neurales
RNA _Capa_Nodos Deseri
31 2 limo y arcilla normalizados
2 7 capa oculta
3 3 zonas del diagrama
2X12 1 2 limo y arcilla normalizados
2X capa oculta (X=7, 8,...20)
312 _zonas del diagrama
Tabla 2: Porcentaje de aciertos y tiempos de
_aprendizaje de las redes neurales.
RNA Aciertos 1. aprendizaje
(%) (min)
98 22
2712 93.2 280
2-10-12 95.7 365,
2-12-12 96.2 407
2-15-12 972 505
217-12 978 580
2-20-12 97.6 660,
En la tabla 2 se reflejan los parametros
estadisticos obtenidos trabajando con un test
de 100 puntos en el diagrama de 3 zonas y con
1000 puntos en el diagrama de 12 zonas. Los
suelos que aparecen claramente incluidos en
una zona fueron clasificados correctamente,
presentando problemas inicamente aquellos
‘que se sitian justamente en las lineas que
delimitan dos zonas.
Aplicacién al diagrama de 12 zonas
Se utiliz6 la misma capa de entrada que
en el ejemplo 1 y una capa de salida de doce
neuronas, probando diferentes arquitecturas de
la RNA (incluyendo la neurona BIAS). En
todos los casos, las entradas eran los
porcentajes normalizados de limo y arena, y la
capa de salida consistio en doce neuronas,
cada una de las cuales representaba una de las
zonas del diagrama de clasificacion textural
Como en el ejemplo anterior, sélo una de las
neuronas de la capa de salida estaba activada
(valor 1), mientras que el resto permanecian
desactivadas. La clasificacion del suelo la daba
directamente la neurona cuyo valor era 1.
Se utilizé el tridngulo de texturas
basado en el esquema de clasificacion de la
317US.D.A. para realizar el aprendizaje de redes
de topologia 2-7-12, 2-15-12 y 2-20-12 (Tabla
2). El aprendizaje se verified realizando una
clasificacién predictiva cuyos resultados se
muestran en la Tabla 2. Hay que destacar que
la reduccién del niimero de neuronas en la
capa intermedia reduce el tiempo de
aprendizaje, pero que el incrememto de este
niimero de neuronas aumenta también la
precisién de tos resultados. Por otra parte, el
aumento en el niimero de neuronas no implica
la obtencién de mejores resultados
necesariamente, debido al problema de
sobreajuste (Zheng et al, 1993) cuando el
niimero de datos utilizados en el aprendizaje es
pequefio. Este fenémeno no es deseable pues,
aunque la mayoria de los datos experimentales
contienen algiin tipo de ruido, un buen modelo
no debe ajustarse a cada punto en particular,
sino que debe adecuarse a la tendencia general
mostrada por los datos. La precisién obtenida
con la RNA 2-15-12 €s suficiente para este
diagrama, ya que seria imposible encontrar
diferencias mecénicas entre suelos que estén
representados por puntos demasiado préximos
entre si (los errores en la estimacién
experimental de los porcentajes son elevados).
Los calculos comparativos muestran
que cuando la velocidad de aprendizaje (el
parimetro s en la ecuacién 4) aumenta, el
nnfimero de iteraciones necesarias para
minimizar el error cometide disminuye, pero
la incertidumbre sobre la obtencién de un
minimo local aumenta. Cuando se utilizan
disminuciones en s, todas las experiencias de
aprendizaje obtienen los mismos resultados
aunque se utilicen diferentes pares de datos. Se
encontré un valor de compromiso para s en el
intervalo entre 0.1 y 1
CONCLUSIONES
A pesar de la relativa complejidad del
diagrama textural, la RNA obtiene buenos
resultados en el ajuste a la clasificacién en
doce zonas. La importancia de este hecho
reside en que estos resultados se obtuvieron a
partir de un algoritmo general, aplicable a
cualquier otro diagrama. La arquitectura de la
RNA general propuesta es relativamente
simple, con una sola capa intermedia. La capa
318
de salida queda definida por el mimero de
clases, y la capa de entrada por el niimero de
parimetros individuales requeridos para In
clasificacién. Hay que puntualizar, sin
embargo, que el nimero de neuronas de la
capa intermedia debe optimizarse de acuerdo
con las caracteristicas de la clasificacién,
No se observaron mejoras apreciables
cn clasificaciones del tipo de las aqui descritas
al incluir otras capas intermedias, aunque la
metodologia utilizada puede ser extendida a
cualquier nimero de capas. Los algoritmos de
aprendizaje y célculo empleados no requieren
ninguna modificacién para adaptarse a redes
de topologia diferente.
Cuando el problema de clasificacién
de un suelo puede reducirse al reconocimiento
de un diagrama, el método de RNA
desarrollado en este trabajo tiene ventajas
potenciales, ya que la metodologia no depende
del diagrama, como ha quedado demostrado
por las dos aplicaciones anteriores. Las
ventajas de las RNA se pueden apreciar en
cualquier tipo de clasificacién o modelizacién,
ya que el método de aprendizaje sélo requiere
pares de datos de entrada y salida sin
necesidad de recurrir a suposiciones sobre el
modelo que describe el comportamiento de los
patrones. La arquitectura de la red, la
velocidad de aprendizaje y la funcién de
transferencia se pueden optimizar de acuerdo
con el problema, pero no se requiere ninguna
informacién especifica para conseguir una
clasificacién, reconocimiento de patrones o
algoritmo de ajuste de un conjunto de pares de
datos.
La aplicacién de una RNA no esta
refiida con los algoritmos clisicos (Janson,
1991), sino que, debido a sus caracteristicas
(procesamiento sencillo y en paralelo de
elementos, generalizacién de ta metodologia,
aprendizaje, etc.), los complementa, Esto evita
los tediosos procedimientos de desarrollo de
nuevos algoritmos para cada _diagrama
multizonal (versatilidad para cualquier tipo de
clasificacién). Para una RNA, los pasos
necesarios para In resolucién de cualquier
problema son los mismos, lo que hace que las
RNA puedan ser utilizadas de una forma ficil
¥ potente en el tratamiento de datos uti
Intormacién Tecnolégica - Vol. 10 N° 1 - 1999diferentes sistemas de clasificacion: la red se
autoajusta a cada clasil
ninguna programacién adi
AGRADECIMIENTOS
Los autores quieren expresar su
agradecimiento al Departamento de Ingenieria
Quimica de la Universidad de Valladolid por
la disponibilidad de medios de calculo
utilizados en este trabajo, especialmente a los
profesores F. Mato Chain y F. Sobrén Grafton
‘a quien se debe el desarrollo del cédigo de los
programas.
REFI
ENCIAS,
Battersby, P., Dean, J.R., Hitchen, W.R.,
Tomlinson, W.R. y P. Myers, Neural
Networks: A method for predicting solubility
in supercritical fluid extraction. LC-GC
International, 6, 428-431 (1993).
Bhagat, P., An introduction to neural nets.
Chemical Engineering Progress, VIII, 55-60
(1990).
Gee, GW. y JW. Bauder, Particle-size
analysis. En:A. Klute Methods of soil analysis,
Part Y. A.S.A., n° 9(Y), Series Agronomy,
383-411 (1986)
Hoskins, J.C, Kaliyur, KM. y DM.
Himmelblau, Fault diagnosis in complex
chemical plants using artificial neural
networks. AICHE Joumal, 37, 137-141 (1991).
Janson, P.A., Neural Networks: an overview.
Analytical Chemistry, 63, 357-362 (1991).
Psichologios, D.C. y L.H. Ungar, Direct and
indirect model based control using Artificial
Informacién Tecnolégica - Vol. 10 N° 4 - 1999
Neural Networks. Ind. Eng. Chem. Res., 30,
2564-2573 (1991).
Rowe, R.C., Mulley, VJ. Hughes, J
Nabney, LT. y RM. Debenham, Neural
Networks for chromatographic peak classifica-
tion. A preliminary study. LCGC Intemational,
7, 36-42 (1994).
Shirazi, M.A. y L. Boersma, A unifying
quantitative analysis of soil texture, Soil Sci.
Soc. Am. J.. 48, 142-147 (1984).
Shirazi, M.A., Boersma, L, y J.W. Hart, A
unifying quantitative analysis of soil texture:
improvement of precision and extension of
scale. Soil Sci. Soc. Am. J., 52, 181-190
(1988).
Shu-Pui, P.K, Back Propagation Neural Net
Engine v1.32u. Patrick Ko. No.l, 14ST.,
Hong Lok Yuen, Po, Hong Kong
(ko053ucs19.cuhk-EDU hk) (1992)
Soil Survey Staff, Soil taxonomy: A basic
system of soil classification for making and
interpreting soil surveys. USDA-UCS Agric.
Handb. 436. U.S. Gov. Printing Office
Washington D.C. (1975).
Venkatasubramanian, V. y K. Chan, A Neural
Network Methodology for process fault
disgnosis, AIChE Journal, 35, 1993-2002
(1989).
Yih-Yuang, H. y Y. Cheng, A self-leaming
diagnosis system based on reinforcement
leaming. Ind. Eng. Chem. Res., 31, 1937-
1946 (1992).
Zheng, L., Cheng, Z.X.L. y T. Li, Nonlinear
fitting using a neural net algorithm. Analytical
‘Chem., 65, 393-396 (1993).
319