{"id":664,"date":"2016-04-18T12:00:01","date_gmt":"2016-04-18T15:00:01","guid":{"rendered":"http:\/\/geekosas.com\/?p=664"},"modified":"2026-05-23T17:44:34","modified_gmt":"2026-05-23T15:44:34","slug":"jugando-con-redes-neuronales","status":"publish","type":"post","link":"https:\/\/geekosas.com\/index.php\/es\/2016\/04\/18\/jugando-con-redes-neuronales\/","title":{"rendered":"Jugando con Redes Neuronales"},"content":{"rendered":"

Hace unos d\u00edas escrib\u00ed sobre las redes neuronales<\/a>\u00a0intentando explicar de manera simple como funcionan y por que este tipo de tecnolog\u00eda es llamado "inteligencia artificial".<\/p>\n

Lo importante de esta t\u00e9cnica y lo que la hace tan revolucionaria es el concepto de entrenamiento, pero muchas veces es dif\u00edcil imaginar como sucede esto y como afectan los par\u00e1metros al resultado.<\/p>\n

Para nuestra ayuda, nuestros amigos de tensorflow<\/a>\u00a0crearon una herramienta gr\u00e1fica que nos muestra el proceso de entrenamiento de una red neuronal, disponible en\u00a0http:\/\/playground.tensorflow.org\/<\/a><\/a><\/p>\n

Para los que no saben muy bien como interpretar la aplicaci\u00f3n explicar\u00e9 los componentes b\u00e1sicos de esta, para ello, utilizar\u00e9 de\u00a0ejemplo el pantallazo siguiente:<\/p>\n

 <\/p>\n


\n\"\"<\/p>\n

Para los anciosos que ya quieren ver la app. Si presionan el bot\u00f3n "play", comenzar\u00e1 \u00a0a entrenar la red neuronal para predecir los colores de los puntitos a la derecha.<\/p>\n

Para los m\u00e1s mateos. La explicaci\u00f3n comienza aqu\u00ed (yo fu\u00ed hancioso). La aplicaci\u00f3n se divide en 5 secciones: el men\u00fa superior (en blanco), DATA, INPUT, HIDDEN LAYERS y OUTPUT. Los colores naranjos representan valores negativos mientras que los azules, los positivos, un colo blanco, significa algo cercano a 0.<\/p>\n

DATA<\/strong> contiene par\u00e1metros sobre la muestra para entrenar la la red neuronal. Primero pueden elegir la forma general de los datos, luego el porcentaje de datos dejados para probar el modelo (ver secci\u00f3n OUTPUT), un factor de ruido para hacerle el trabajo m\u00e1s "real" a la red neuronal y para terminar el n\u00famero de casos que entrar\u00e1 \u00a0a cada ciclo de entrenamiento.<\/p>\n

INPUT\u00a0<\/strong>es la segunda secci\u00f3n y es para elegir las variables que entrar\u00e1n al modelo. Vienen predefinidas x1 y x2 que representan los ejes vertical y horizontal de la secci\u00f3n OUTPUT, pero tambi\u00e9n se pueden elegir transformaciones sobre estas como x1*x2, sin(x1) o sin(x2). Las lineas que salen de cada cajita, corresponden al valor de la constante asociada a la entrada del par\u00e1metro en la funci\u00f3n de activaci\u00f3n o respuesta.<\/p>\n

HIDDEN LAYERS<\/strong>\u00a0es para configurar\u00a0las conexiones que tendr\u00e1 la red neuronal, en las cajitas se puede ver la forma que toma\u00a0la funci\u00f3n a medida que x1 y x2 se mueven las lineas que las conectan representan el valor de la constante asociada al dato que viene desde la funci\u00f3n\/neurona anterior, en otras palabras, si es gruesa, significa que tiene alto impacto y si es azul que tiene una constante positiva, mientras que si es naranja, entonces es negativa.<\/p>\n

OUTPUT <\/strong>muestra el contraste entre el valor que obtiene la red neuronal y los datos a los que debe ajustarse (se lee igual que las cajas en HIDDEN LAYER).\u00a0Cuando comiencen a entrenar,\u00a0arriba del gr\u00e1fico grande, ver\u00e1n se ve un gr\u00e1fico m\u00e1s chiquitito que muestra como evoluciona el porcentaje de error de la red neuronal para el grupo de control y el de entrenamiento. Abajo del gr\u00e1fico grande, se puede pedir que se discretice (naranja\u00a0o azul) \u00a0la salida de la red y tambi\u00e9n que muestre el grupo de control. El grupo de control se utiliza para medir la predictividad del modelo, nunca se entrena la red con estos.<\/p>\n

Men\u00fa Superior\u00a0<\/strong>es donde se hace la magia, para comenzar el entrenamiento, debes presionar el bot\u00f3n play y todo comenzar\u00e1. En interactions\u00a0se ve cuantas veces se ha entrenado con toda la muestra de puntitos, despu\u00e9s vienen los par\u00e1metros:<\/p>\n