Una nueva estrategia de entrenamiento de un autoencoder para la ubicación óptima de sensores de tráfico

JARES, NICOLÁS; FERNÁNDEZ, DAMIÁN; PARENTE, LISANDRO A.; LOTITO, PABLO A.

Santa Fe

Congreso; IX Congreso de Matemática Aplicada, Computacional e Industrial, Santa Fe, Mayo 2023; 2023

Asociación Argentina de Matemática Aplicada, Computacional e Industrial

En este trabajo proponemos y validamos una nueva estrategia para entrenar una red neuronal que permite resolver el problema de ubicación óptima de sensores. La red neuronal es un autoencoder que posee una capa que indica de forma explı́cita la ubicación de los sensores en un grafo.Nuestras estrategias permitieron entrenar la red en grafos de gran tamaño. Esto ayudó a corroborar que el modelo propuesto elige consistentemente arcos de un grafo y que con esas elecciones es posible obtener una reconstrucción del flujo en todo el grafo. La reconstrucción es realizada por la misma red neuronal, a partir de los volúmenes de flujo medidos por los sensores.Además fue posible estudiar el impacto cualitativo de uno de los parámetros en las soluciones. Mediante la elección de ese parámetro es posible modificar la cantidad de sensores que la red elige y la calidad de las reconstrucciones de flujo.