Balance Clasification
Páginas: 2 (384 palabras)
Publicado: 1 de julio de 2013
Balance Scale Clasification
1. Introducción.
En este experimento se mostrará cómo se utilizan redes neuronales y Neuroph Studio para problemas de clasificación.
El objetivo esdeterminar a que clase pertenece un caso de entrada dado, de un número de clases establecido.
2. Descripción del Problema
Usaremos Neuroph para entrenar la red neuronal que utiliza El Balance enconjunto de datos a escala.
Los atributos son el peso izquierdo, la distancia de la izquierda, el peso derecho, y la distancia de la derecha. La forma correcta de encontrar la clase es encontrar elmayor de:
(distancia de la izquierda * peso izquierdo) y (distancia de la derecha * peso derecho).
Si son iguales, es equilibrada.
3. Procedimiento
Usamos el procedimiento general deentrenamiento:
1. Normalizar los datos
2. Crear un proyecto en Neuroph
3. Creación de un Training
4. Crear una red neuronal
5. Entrenar la red
6. Probar de la red para asegurarse de que estádebidamente entrenada
4. Normalización de Datos
Para la normalización de Datos utilizaremos la siguiente forma:
Donde:
X - valor que se debe normalizar
Xn - valor normalizado
Xmin - valor mínimo deX
Xmax - valor máximo de X
Los últimos 3 dígitos del conjunto de datos representan la clase. 1 0 0 representan la clase izquierda, la 0 1 0 clase equilibrada y 0 0 1 la Clase derecha.
Una vezestablecido estos parametros realizamos la prueba en NeurophStudio de manera tradicional.
Figura 2.- Factor de Correción dependiente del entorno
para el modelo Okumura
El está en función de lafrecuencia de operación y viene dado en dB.
5. Resultados
Figura 1.- Entrenamiento Estandard.
Figura 2.- Entrenamiento Avanzado.
6. Conclusiones
Se buscoel entrenamiento apto de la red neuronal con el fin de obtener los mejores resultados.
Lo que resultó ser crucial para el éxito del entrenamiento, es la selección de un número apropiado de neuronas...
Balance Scale Clasification
1. Introducción.
En este experimento se mostrará cómo se utilizan redes neuronales y Neuroph Studio para problemas de clasificación.
El objetivo esdeterminar a que clase pertenece un caso de entrada dado, de un número de clases establecido.
2. Descripción del Problema
Usaremos Neuroph para entrenar la red neuronal que utiliza El Balance enconjunto de datos a escala.
Los atributos son el peso izquierdo, la distancia de la izquierda, el peso derecho, y la distancia de la derecha. La forma correcta de encontrar la clase es encontrar elmayor de:
(distancia de la izquierda * peso izquierdo) y (distancia de la derecha * peso derecho).
Si son iguales, es equilibrada.
3. Procedimiento
Usamos el procedimiento general deentrenamiento:
1. Normalizar los datos
2. Crear un proyecto en Neuroph
3. Creación de un Training
4. Crear una red neuronal
5. Entrenar la red
6. Probar de la red para asegurarse de que estádebidamente entrenada
4. Normalización de Datos
Para la normalización de Datos utilizaremos la siguiente forma:
Donde:
X - valor que se debe normalizar
Xn - valor normalizado
Xmin - valor mínimo deX
Xmax - valor máximo de X
Los últimos 3 dígitos del conjunto de datos representan la clase. 1 0 0 representan la clase izquierda, la 0 1 0 clase equilibrada y 0 0 1 la Clase derecha.
Una vezestablecido estos parametros realizamos la prueba en NeurophStudio de manera tradicional.
Figura 2.- Factor de Correción dependiente del entorno
para el modelo Okumura
El está en función de lafrecuencia de operación y viene dado en dB.
5. Resultados
Figura 1.- Entrenamiento Estandard.
Figura 2.- Entrenamiento Avanzado.
6. Conclusiones
Se buscoel entrenamiento apto de la red neuronal con el fin de obtener los mejores resultados.
Lo que resultó ser crucial para el éxito del entrenamiento, es la selección de un número apropiado de neuronas...
Leer documento completo
Regístrate para leer el documento completo.