R help es - Oct 2012 - Superficie de respuesta con rsm y nnet

Hola compañeros de la lista. Los molesto con la siguiente duda.

     En un diseño central compuesto (CCD) con dos factores (V1 y V2) y 
una variable de respuesta (R), utilizando valores codificados (-1.4142, 
-1, 0, 1, 1.4182), al aplicar la orden:

     rsm.segundo.orden <- rsm(R ~ Bloque + SO(V1, V2), data = 
DATOS.Codificados)

     Obtengo el siguiente modelo:

     R = 103.92  -2.16 Bloque  -2.24 V1  -0.99 V2 + 8.75 V1 V2 -37.07 
V1²  -37.07 V2²

donde la R² = 0.9660, la desviación absoluta promedio (AAD) = 17.33 %, y 
la prueba de falta de ajuste (LOF) da una p = 1.45e-09.

     Viendo que la AAD es algo alta y que la falta de ajuste es 
significativa, decidí probar con una red neural artificial, usando los 
paquetes "caret" y "nnet". He probado las siguientes
opciones:

     NN.1 <- train(R ~ V1 + V2, data = DATOS.Codificados, method = 
"nnet", maxit = 10000, tuneGrid = SIZE.DECAY, trace = F, linout =
TRUE)
donde R² = 0.9936, y AAD = 4.87 %, pero la forma de la superficie de 
respuesta es muy irregular, nada parecida al modelo obtenido con
"rsm".

     NN.2 <- train(R ~ V1 + V2 + V1:V2, data = DATOS.Codificados, method 
= "nnet", maxit = 10000, tuneGrid = SIZE.DECAY, trace = F, linout =
TRUE)
donde R² = 0.9936, y AAD = 4.87 %, pero la forma de la superficie de 
respuesta es menos irregular que la anterior.

     NN.3 <- train(R ~ V1 + V2 + V1:V2 + I(V1^2) + I(V2^2), data = 
DATOS.Codificados, method = "nnet", maxit = 10000, tuneGrid = 
SIZE.DECAY, trace = F, linout = TRUE)
donde R² = 0.9936, y AAD = 4.87 %, pero la forma de la superficie de 
respuesta es muy parecida a la del modelo de segundo orden obtenido con 
"rsm", además de que tanto R² y AAD son mejores.

     ¿Tiene sentido utilizar mejor NN.3, dado que con RSM se detectó que 
tanto el efecto de la interacción como de los términos cuadráticos 
fueron significativos?

     De antemano muchas gracias por la ayuda.

-- 

     Argel.