ESCUELA PROFESIONAL DE INGENIERA INFORMTICA Y DE

SISTEMAS
REDES NEURONALES ARTIFICIALES

Tratamiento de datos de entradas

El tratamiento de datos es bsico para el adecuado funcionamiento de un red ya que la
forma de presentar los datos a la red influir en la respuesta de sta. Existen varios
procedimientos para tratar los datos de la red, entre lo que podemos mencionar:
1. Normalizacin de datos: debemos tener en cuenta que las variables de entrada
pueden tener diferencias de valores de varios rdenes de magnitud de forma que el
aprendizaje de la red se ver influenciado por estas diferencias, ya que el
incremento de pesos de una neurona es proporcional a su entrada. Una manera de
evitar este problema es asignar a todas las entradas valores parecidos normalizando
las entradas. Existen varias posibilidades:
- Normalizacin por estandarizacin (z-score): Esta normalizacin suele
utilizarse porque presenta un valor medio cero y varianza la unidad, con lo que
evita tendencias de las entradas fuera de los rangos considerados como
normales, cuya expresin matemtica es:
x x
Normalizar ( x )=
x

Donde:
x : Media aritmtica de x

: Varianza de x

- Normalizacin de re-escalamiento: En esta normalizacin se utilizan los

valores mximos y mnimos. La ventaja principal de este mtodo es que al
tratarse de una transformacin lineal, se mantiene las relaciones existentes entre
los patrones de entrenamiento originales, cuya expresin matemtica es:
xmn x
Normalizar ( x )=
mx xmn x

- Normalizacin por re-escalamiento no lineal: Tambin se utilizan las

normalizaciones de re-escalamiento no lineales usando funcin sigmoide o
tangente hiperblica dependiendo que los datos se codifique en el rango 0 y 1
-1 y +1, cuya expresin matemtica es:

1et
Normalizar ( x )=
1+ et

xx
t=
x

Donde:
x : Media aritmtica de x
: Varianza de x