LECTURA Y ANÁLISIS DE CONTENIDOS SOBRE NEURAL NET - RAPIDMINER

UNIVERSIDAD DE GUAYAQUIL [pic 1][pic 2]

FACULTAD DE CIENCIAS MATEMÁTICAS Y FÍSICAS

CARRERA INGENIERÍA EN SOFTWARE

ASIGNATURA: PROCESO DE SOFTWARE

UNIDAD #1: PROCESO DE SOFTWARE 

TEMA: LECTURA Y ANÁLISIS DE CONTENIDOS SOBRE NEURAL NET - RAPIDMINER: CONCEPTOS, PRINCIPALES CARACTERÍSTICAS Y CONFIGURACIONES Y DONDE SE LOS APLICA. 5 EJEMPLOS REALES.

NEURAL NET – RAPIDMINER

[pic 3]

CONCEPTO

Este operador aprende un modelo por medio de una red neuronal feed-forward entrenada por un algoritmo de retropropagación (perceptrón multicapa). Este operador no puede manejar atributos polinómicos. Este operador aprende un modelo por medio de una red neuronal feed-forward entrenada por un algoritmo de retropropagación (perceptrón multicapa). Los siguientes párrafos explican las ideas básicas sobre redes neuronales, redes neuronales de necesidad hacia adelante, retropropagación y perceptrón multicapa.

PRINCIPALES CARÁCTERISTICAS

• CAPAS_OCULTAS

Este parámetro describe el nombre y el tamaño de todas las capas ocultas. El usuario puede definir la estructura de la red neuronal con este parámetro. Cada entrada de la lista describe una nueva capa oculta. Cada entrada requiere el nombre y el tamaño de la capa oculta.

• CICLOS_DE_ENTRENAMIENTO

Este parámetro especifica el número de ciclos de entrenamiento utilizados para el entrenamiento de la red neuronal. En la retropropagación, los valores de salida se comparan con la respuesta correcta para calcular el valor de alguna función de error predefinida. 

• TASA DE APRENDIZAJE

Este parámetro determina cuánto cambiamos los pesos en cada paso. No debe ser 0. Rango: real

• IMPULSO

El impulso simplemente agrega una fracción de la actualización de peso anterior a la actual. Esto evita los máximos locales y suaviza las direcciones de optimización. Rango: real

• DECAER

Este es un parámetro experto. Indica si la tasa de aprendizaje debe reducirse durante el aprendizaje. Rango: booleano

• BARAJAR

Este es un parámetro experto. Indica si los datos de entrada deben mezclarse antes de aprender. Aunque aumenta el uso de la memoria, se recomienda si los datos se ordenan antes. Rango: booleano

• NORMALIZAR

Este es un parámetro experto. El operador Neural Net utiliza una función sigmoidea habitual como función de activación. Por lo tanto, el rango de valores de los atributos debe escalarse a -1 y +1. 

• ERROR_EPSILON

La optimización se detiene si el error de entrenamiento está por debajo de este valor épsilon. Rango: real

• USE_LOCAL_RANDOM_SEED

Indica si se debe utilizar una semilla aleatoria local para la aleatorización. Rango: booleano

• SEMILLA_ALEATORIA_LOCAL

Este parámetro especifica la semilla aleatoria local. Solo está disponible si el parámetro Usar semilla aleatoria local se establece en verdadero. Rango: entero

...