In the design of connectionist inference motors based on Artificial Neural Networks Back-Propagation, to determine the number of nodes of the hidden layer is a problem of great importance, due to their serious influence in the learning process. Therefore it should be had a optimal structure neural that generates appropriate and satisfactory results for the user. To get it, the to experiment with several sizes of nets and to choose the best of them, it can consume too much time and effort. This work presents the automation of this process, using the foundations of Algorithms of Pruning; based on the Singular Value Decomposition, that allows to calculate the utility of the neurons to the end of the learning process, and the Fuzzy Logic applied to the control of the elimination of the nodes in function of the calculated utility, being able to obtain compressed structures of optimal neural generalization.

En el diseño de motores de inferencia conexionistas basados en Redes Neuronales Artificiales Back-Propagation, determinar el número de nodos de la capa oculta es un problema de gran importancia, debido a su influencia seria en el proceso de aprendizaje. Por lo tanto se debe contar con una estructura neuronal óptima que genere resultados adecuados y satisfactorios para el usuario. Para conseguirlo, el experimentar con varios tamaños de redes y escoger la mejor de ellas, puede consumir demasiado tiempo y esfuerzo. Este trabajo presenta la automatización de este proceso, utilizando los fundamentos de Algoritmos de Poda; basados en la Descomposición de Valores Singulares, que permite calcular la utilidad de los nodos al final del proceso de aprendizaje, y la Lógica Difusa aplicada al control de la eliminación de los nodos en función de la utilidad calculada, logrando obtener estructuras compactadas de optima generalización neuronal.