Vous êtes sur la page 1sur 2

Considera que los resultados son aceptables?

Que considera que se podra


hacer para mejorar los resultados?
Cules son sus conclusiones del ejercicio?
Cmo cree que afect las caractersticas de la red de perceptrones en el
aprendizaje de los patrones?
La principal caracterstica de una red tipo perceptron es el mtodo iterativo que se usa para
determinar los pesos adecuados, por ello para el ejercicio realizado esta caracterstica
presenta una fuerte carga de procesamiento de datos, ya que la red neuronal posee 400
entradas y estas procesadas por 10 neuronas, sumando a ello la cantidad de patrones con los
que se entren los cuales para nuestro anlisis se utiliz por porcentajes, los cuales fueron del
60%, 65%, 70% y 75% del total de los patrones, es decir 3000, 3250, 3500 y 3750 patrones
respectivamente, lo que se traduce en ms iteraciones y mayor tiempo de espera para obtener
los resultados.

Considera que los resultados son aceptables?

Los datos que se han seleccionado corresponden al: 65% (325 datos) de cada nmero,
procedentes del final de los patrones (500).
El total de datos seleccionados es de: 3250 datos de los 5000 posibles
----------------------------------------------------------------------------------Ingrese el nmero de iteraciones: 300000
El porcentaje de aprendizaje de la muestra es del: 99.4154%
El porcentaje de aprendizaje total es del
: 88.68%

(Wnuevo=WAnterior+Pe)

Que considera que se podra hacer para mejorar los resultados?


Los resultados que se obtuvieron al principio no fueron muy aceptables dado que
requeran de muchas iteraciones y de un tiempo prudente, para lo cual tratamos de
resolverlo tomando porcentajes menores al 75%, adems de ello, con el fin de poder
comparar los resultados creamos en el programa una matriz de pesos fija (llena de
unos), con lo que se pudo determinar que se obtienen mejores resultados con un
menor nmero de iteraciones, por ello podramos decir que cuando mandamos el 75%
de muestras para el entrenamiento nuestra red se sobre entrena y empieza a dar
resultados no muy aceptables.
Como otra mejora tratamos de seleccionar el porcentaje de patrones destinados al
entrenamiento de distintas posiciones, por ejemplo si seleccionamos un 50% de
patrones con que se va a entrenar, se seleccionara el 50% de los patrones referidos a
cada nmero (50%=250 patrones) y la suma de todos ellos nos da un total de 2500
patrones debido a que son 10 nmeros, teniendo la posibilidad de seleccionar si se
escoge los patrones del principio, del medio o del final del conjunto de patrones
disponibles en cada nmero, es decir:
Si escogemos la posicin del principio, el programa tomara los primeros 250 (50%)
patrones.
Si escogemos la posicin del medio, el programa tomara los patrones desde la
posicin 125 hasta la posicin 375.
Si escogemos la posicin del final, el programa tomara los patrones desde la posicin
250 hasta la posicin 500.
Esto corresponde a cada nmero. Obtenido mejores resultados si entrenamos con los
datos del final.
Con el fin de aminorar el nmero de iteraciones, nos fijamos que de las
experimentaciones anteriores obtenamos una matriz de pesos sinpticos con valores
muy bajos, por ello en el programa multiplicamos a la matriz de pesos (con la cual se
inicia las iteraciones) por un valor de 0.001, contribuyendo con ello a una disminucin
de iteraciones.
Quizs para mejorar los resultados tambin se podra comparar los patrones
correspondientes a cada nmero entre s para poder determinar cules son los que
poseen mayor diferencia y mandar primero a estos patrones al entrenamiento,
dependiendo del porcentaje con el cual se va a entrenar.

Vous aimerez peut-être aussi