Desarrollo De Una Aplicacion Con ANS

Desarrollo de una aplicacion con ANS

Aplicar una metodología que presenta aspectos comunes con las técnicas convencionales de tratamiento de datos y señal y otros aspectos que se dan solo en el campo laboral.
Planteamiento del problema. Divide y vencerás
Separar el problema en partes, y resolver aspectos mediante el modulo que resuelve mas adecuado; se aplicara una red neuronal solamentedonde resulte conveniente.
Requerimientos del sistema
Se debe responder de la formas más concreta posible a las especificaciones que debe cumplir el sistema. ayudaran a despejar dudas sobre el modelo ANS a escoger, las necesidades de trabajar con ANS a nivel de simulación.
Revisión bibliográfica
Resulta una buena práctica realizar un sondeo en busca de alguna aplicación parecida a la que nosplantea.
Elección del modelo de ANS
Debe elegirse un modelo de ANS con el que comenzar a hacer pruebas, en este sentido, las arquitecturas de ANS mas empleadas son las siguientes
a) Perceptror multicapa (MLP) con aprendizaje BP o similar, como caso de red de aprendizaje supervisado.
Puede emplearse en tarea de ajuste funcional (predicciones, series temporales, modelado) y también para clasificación.b)Mapas autoorganizados de Kohonen (SOFM), como red no supervisada.
Se aplican en análisis exploratorio de datos, es decir, para encontrar relaciones entre una gran masa de datos multidimensionales, clasificados previamente o no.
c) otros modelos muy habituales en las aplicaciones practicas son las RBF y el LVQ
Los modelos MLP, SOFM, LQV Y RBF cubre el 90% de las aplicaciones practicas de redesneuronales.

Datos disponibles y selección de variables relevantes.
Es importante saber la forma en la que va a disponer de los datos. Si están presentes todos a la vez se puede hacer un aprendizaje por lotes. En cambio si los datos van llegando en tiempo real será preciso emplear aprendizaje en línea
Para la selección de las variables de E/S del ANS, teniendo en cuenta que los MLP son aproximadosuniversales, se podría optar por proporcionar a la red una gran cantidad de entradas con la esperanza de que fuera ella la que diera mas pero a las mas importantes, si se quiere obtener resultados mejores, es preciso abandonar la postura anterior y se debe elegir cuidadosamente las variables a emplear, pocas variables o entradas restringen el espacio de búsqueda de parámetros, pero si las eleccionesno se realiza con precaución puede viciar la arquitectura de la partida del ANS
Muchas variables independientes implican una alta dimensión del espacio de búsqueda, lo cual puede conducir a un error de generalización elevado.




Elección de los conjuntos de aprendizaje y test
La condición que se debe imponer a los patrones que se presentan al ANS para llevar a cabo el entrenamiento es que sean unnumero suficiente como para ser representativos del fenómeno que queremos modelar, en el caso particular de los MLP se suele emplear una técnica llamada validación cruzada que consiste en dividir la totalidad de los patrones en 2 grupos: uno de aprendizaje y otro para test.
En la fase inicial del entrenamiento, el ANS extrae los rasgos generales de los patrones del conjunto de aprendizaje. Comoel conjunto de test debe poseer una información parecida a la del conjunto de aprendizaje, a medida que transcurren las iteraciones se observa que los errores de los dos conjuntos van disminuyendo.

Preprocesamiento
Se denomina preprocesamiento al tratamiento previo de los datos de entrada y salida para adecuarlos a su tratamiento por la red neuronal.
Conseguir que los datos que se proporcionan ala red posean las siguientes cualidades.
Buena distribución (sigan una distribución estándar o uniforme).
Rangos de valores parecidos para todas las entradas.
Rangos acotados dentro del intervalo de trabajo de la función de activación empleada en las capas ocultas y de salida del ANS.

Hay 2 formas de obtener los factores de escalado con los que aplicar esta transformación.
Escalado por patrones...