Diagnóstico de fallos empleando una red neuronal artificial Hopfield ante datos incompletos

Resumen

En este trabajo, el rendimiento de la Red Neural Artificial de Hopfield en el diagnóstico de fallas en procesos industriales se evalúa cuando faltan datos. Se realiza el diagnóstico de dos clases con diferentes niveles de datos superpuestos. Como resultado principal, Hopfield tiene un buen desempeño en las pruebas implementadas superando arquitecturas como la Red Neuronal Probabilistic, por eso es una buena opción usarlo en el diagnóstico de fallas.