PASOS A SEGUIR EN EL DISEÑO DE UNA RED NEURONAL.

Conceptualización del modelo:

Primero: formula la idea para tu modelo, sea cualquier modelo que desees crear, debes de conceptualizar las entradas y salidas que vas a utilizar. Decidiendo así que es lo que se va a predecir o determinar con el modelo. Esta información es para estar identificado con el modelo ya que se puede tratar de una sola salida o de un conjunto de datos (salidas multiples), despues decide cuales son los factores que influyen en las salidas.

¿ Que información deberá usar la red neuronal para entrenar un problema dado y predecir una respuesta. ?

Las entradas pueden ser muchas partes separadas de información o un solo set de información que puede ser suministrada a traves de varios nodos de entrada.

Obtención de los datos:

Después de conceptualizar el modelo, los datos de entrada deberán ser recopilados, siendo esta la tarea mas tediosa en el desarrollo del modelo. Si cuentas con acceso a toda la información requerida a través de la base de datos existentes, tienes suerte; de otra forma, la información deberá ser accesada por medio de otros recursos. Los recursos comunes de obtención de datos son: Imformación de servicios en línea, CD Rom´s, datos generados por computadoras, entradas manuales de datos.

Procesamiento y formateo de los datos:

Una vez que la fuente de datos de entrenamiento es identificada, es siempre mejor forma de inicializar tu sistema en forma expandida, pre-procesando y formateando los datos. Muchas de las formas expandidas te permitirán importar datos de múltiples fuentes y en una variedad de formatos. Una vez que los datos han sido recolectados, determina cuales son los que necesitan preprocesamiento.

Creación del modelo de entrenamiento:

Con los datos de entrenamiento creados, se inicia el proceso de creación del modelo o arquitectura de la red neuronal, misma que depende de los requerimientos y necesidades. Es usualmente la mejor opción el iniciar una simple red neuronal que conste de una capa escondida, misma que es de muy sencilla construcción y facilita la validación de modelo de acuerdo al comportamiento durante su entrenamiento.

Entrenamiento de la red reuronal:

Mediante la variación de los parámetros de entrenamiento, se llega a ciertos valores que son los mas indicados par ael buen funcionamiento de la misma, tomando en cuenta también, los valores que nos muestre durante el entrenamiento, mismos que nos sirven como directivas para el mejoramiento del algoritmo de entrenamiento.

Análisis de una red entrenada:

Cuando el entrenamiento ha concluido ( o esté cerca de concluir ) se debe analizar el comportamiento con los valores de prueba. Una vez analizada con los valores de prueba, nuevamente analizar pero con valores que sean ajenos a los valores de prueba, con la consigna de ver como se comportará la red en la vida real. Donde también se pueden comprobar valores obtenidos con otros modelos de redes neuronales para poder asi determinar el modelo óptimo para cada aplicación específica.

VOLVER.