@INPROCEEDINGS{Roodschild_2019,
     author = {Roodschild, Matias and Gotay, Jorge and Rodriguez, Sebastian and Will, Adrian},
   keywords = {Froog Neural Networks, Scaled Conjugate Gradient},
      month = sep,
      title = {Optimización de Scaled Conjugate Gradient para Froog Neural Networks},
  booktitle = {48 JAIIO - Simposio Argentino de Inteligencia Artificial},
       year = {2019},
      pages = {116},
   location = {Salta, Argentina},
       issn = {2451-7585},
   abstract = {Scaled Conjugate Gradient es un algoritmo de aprendizaje iterativo para redes neuronales artificiales, destacándose por su velocidad de convergencia frente al Backpropagation. Esto se debe a que utiliza derivadas de segundo orden, lo que permite una convergencia más veloz. En este artículo, se demuestra lo expuesto por Möller en su trabajo original, respecto a que una adecuada implementación del Scaled Conjugate Gradient puede reducir en un 50 \% el tiempo de ejecución. La implementación fue realizada en la herramienta gratuita ”Froog Neural Networks”de redes neuronales y probada en 4 base de datos estaándar, con diferentes cantidades de neuronas para probar la efectividad de los cambios realizados.1}
}