Ejemplo interactivo

Esta demostración ilustra cómo se crea un conjunto de entrenamiento y muestra el resultado de predecir la función x=f(t) usando una red neuronal de retropropagación (backpropagation).

La demostración le permite experimentar con la predicción de series temporales usando una red neuronal de retropropagación. Puede utilizarse una función, incluida una con ruido, como base de una serie temporal que será aprendida y predicha. Puede ajustar los parámetros de creación del conjunto de entrenamiento y los parámetros de la red neuronal. El resultado, es decir, el valor predicho, se compara después con el valor futuro esperado.

Cómo trabajar con la demostración

• Consejo para teléfonos móviles: para una mejor experiencia, véala en modo horizontal; gire su teléfono 90°.
• Introduzca una función y el intervalo con el que desea trabajar en la demostración. Después de introducirla, presione Enter y la función se mostrará. Puede construir una función usando el parámetro x, números, los operadores /, *, +, -, !, ^, paréntesis ( ) y las funciones abs, acos, acosh, asin, asinh, atan, atanh, cos, cosh, ln, log, sin, sinh, sqr, sqrt, tan y tanh.
  Como generador de ruido, puede usar la función noise(x), donde x significa el tamaño del ruido (el parámetro también puede ser una función).
• Introduzca los parámetros para generar el conjunto de entrenamiento, es decir, el tamaño de la ventana, el número de muestras en una ventana, el número de ejemplos en el conjunto de entrenamiento y la distancia del valor predicho (el número de muestras desde el final de la ventana). El muestreo se determina por el tamaño de la ventana y el número de muestras en la ventana. Después de introducir los parámetros, presione Enter y el resultado se mostrará sobre la función.
• El botón Conjunto de entrenamiento muestra el conjunto de entrenamiento generado, que puede utilizarse, por ejemplo, en otros sistemas de entrenamiento de redes neuronales.
• Parámetros de la red abre un cuadro de diálogo que le permite configurar parámetros adicionales de la red de backpropagation, como capas ocultas, coeficientes de aprendizaje y momentum.
• El botón Reiniciar red restablece los pesos de la red a valores aleatorios.
• El entrenamiento comienza cuando presiona el botón Entrenar. El progreso de la aproximación aprendida se muestra en rojo. Para acelerar el entrenamiento, puede desactivarse la visualización del resultado. Durante el entrenamiento, se muestra el número de épocas junto con el error de la aproximación actual. El error muestra la desviación promedio de las salidas de la RNA respecto de las salidas esperadas en todo el conjunto de entrenamiento.
• El botón Paso entrena la red durante una época.
• La sección Evolución del error muestra la evolución del error de predicción de la red. Puede seleccionar qué se muestra. El error sobre el conjunto de entrenamiento se muestra en rojo, el error sobre todo el gráfico mostrado se muestra en azul y el error fuera del conjunto de entrenamiento (es decir, después del conjunto de entrenamiento) se muestra en gris. Los errores se muestran desde el momento en que se abre esta ventana. Cuando esta ventana no está abierta, los errores no se calculan, lo que permite un entrenamiento más rápido.
• Trabajo con ruido: Para añadir ruido al conjunto de entrenamiento, use la función noise. Por ejemplo, introduzca sin(x)+noise(0.5) como función a aprender; esto añade ruido de tamaño 0.5 a la función seno. Elija una red y entrénela con la función ruidosa. Los valores aprendidos (en rojo) corresponden a la función con ruido. Después de introducir la función sin ruido, por ejemplo sin(x) , puede ver cómo responde la red a los datos sin ruido. Normalmente, la red neuronal aún puede predecir la función incluso cuando había ruido en el conjunto de entrenamiento. Para mostrar el resultado, por supuesto debe dejar activada la visualización del resultado.
• Advertencia: Si no se cambia ningún parámetro de la red, entonces no se cambia nada en la red, incluida su topología y sus pesos. Esto permite comparar cómo la red aprendió algo distinto de lo que luego se está prediciendo, o ilustrar qué tan rápido la red desaprende entradas antiguas. Sin embargo, puede resultar confuso si no se da cuenta de que la red no fue reiniciada después de cambiar algunas entradas. Por eso, para aprender desde el principio, primero debe reiniciar la red con el botón Reset.