Software para el Análisis del Método de Entrenamiento de Backpropagation de una Red Neuronal

Autores/as

  • Jorge Cervantes Ojeda Departamento de Matemáticas Aplicadas y Sistemas. Universidad Autónoma Metropolitana - Cuajimalpa. Avenida Vasco de Quiroga 4871, Col. Santa Fe Cuajimalpa. Delegación Cuajimalpa de Morelos, C.P.05348, MÉXICO
  • Jonathan Morales Pérez Ingeniería en Computación. Universidad Autónoma Metropolitana - Cuajimalpa. Avenida Vasco de Quiroga 4871, Col. Santa Fe Cuajimalpa. Delegación Cuajimalpa de Morelos, C.P. 05348, MÉXICO

DOI:

https://doi.org/10.30973/progmat/2016.8.1/7

Palabras clave:

Software Educativo, Redes Neuronales Artificiales, Métodos de Entrenamiento

Resumen

Presentamos un programa para el análisis del comportamiento del método Backpropagation de entrenamiento de redes neuronales. El programa permite ejecutar diferentes casos y guardarlos en disco. En él es posible ver en pantalla la evolución del método a través de las iteraciones y ajustar en vivo algunos de los parámetros. Este programa está disponible gratuitamente sin restricción.

Biografía del autor/a

Jorge Cervantes Ojeda, Departamento de Matemáticas Aplicadas y Sistemas. Universidad Autónoma Metropolitana - Cuajimalpa. Avenida Vasco de Quiroga 4871, Col. Santa Fe Cuajimalpa. Delegación Cuajimalpa de Morelos, C.P.05348, MÉXICO

Es alumno de Ingeniería en Computación en la UAM Cuajimalpa desde septiembre del 2011. Ha trabajado en proyectos SAP durante 1 año como programador ABAP en la empresa Enable, dando soporte a empresas como SAVI y DIAVAZ. Trabajó en el desarrollo de un software Web para la asignación de horarios de profesores. Actualmente se encuentra desarrollando un libro para el aprendizaje de Android. Sus intereses son la optimización, el álgebra geométrica y el desarrollo de aplicaciones móviles.

Jonathan Morales Pérez, Ingeniería en Computación. Universidad Autónoma Metropolitana - Cuajimalpa. Avenida Vasco de Quiroga 4871, Col. Santa Fe Cuajimalpa. Delegación Cuajimalpa de Morelos, C.P. 05348, MÉXICO

Es Doctor y Maestro en Ciencias (Computación) por la Universidad Nacional Autónoma de México. Es también Ingeniero en Electrónica (área Sistemas Digitales y Computadoras) por Universidad Autónoma Metropolitana. Es Profesor Asociado de Tiempo Completo en la UAM Cuajimalpa desde 2007. Trabajó como ingeniero de software en la empresa Alcatel-Indetel desarrollando software para centrales telefónicas digitales. Colaboró con Alcatel Bell, en la ciudad de Amberes, Bélgica, en el departamento de Diseño y Desarrollo de Software. Su experiencia como docente abarca las áreas de desarrollo de software, programación y matemáticas. Fue profesor en la Facultad de Estudios Superiores Cuautitlán de la Universidad Nacional Autónoma de México durante 7 años y actualmente es docente en la UAM Cuajimalpa en cursos relacionados con la ingeniería de software. Sus intereses en investigación son la inteligencia artificial y la ingeniería de software.

Citas

Wang, X. G., Tang, Z., Tamura, H., Ishii, M., Sun, W. D., 2004. An improved backpropagation algorithm to avoid the local minima problem. Neurocomputing. 2004, 56, 455-460. https://doi.org/10.1016/j.neucom.2003.08.006

Wang, X. G., Tang, Z., Tamura, H., Ishii, M., 2004. A modified error function for the backpropagation algorithm. Neurocomputing. 2004, 57, 477-484. https://doi.org/10.1016/j.neucom.2003.12.006

Magoulasa, G. D., Vrahatisb, M. N., Androulakisb, G. S., 1997. Effective Backpropagation Training with Variable Stepsize. Neural Networks. 1997, 10(1), 69-82. https://doi.org/10.1016/S0893-6080(96)00052-4

Kirillov, Andrew. 2006 Neural Networks on C#. Neuro-demo. Recuperado el 27 de Noviembre de 2015 de http://www.codeproject.com/Articles/16447/Neural- Networks-on-C. 2006

Febrero de 2016

Descargas

Publicado

29-02-2016

Cómo citar

Cervantes Ojeda, J., & Morales Pérez, J. (2016). Software para el Análisis del Método de Entrenamiento de Backpropagation de una Red Neuronal. Programación matemática Y Software, 8(1), 53–57. https://doi.org/10.30973/progmat/2016.8.1/7

Número

Vol. 8 Núm. 1 (2016): Febrero de 2016

Sección

Artículos

Licencia

Derechos de autor 2016 Programación Matemática y Software

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Usted es libre de:

Compartir — compartir y redistribuir el material publicado en cualquier medio o formato.
Adaptar — combinar, transformar y construir sobre el material para cualquier propósito, incluso comercialmente.

Bajo las siguientes condiciones:

Atribución — Debe otorgar el crédito correspondiente, proporcionar un enlace a la licencia e indicar si se realizaron cambios. Puede hacerlo de cualquier manera razonable, pero de ninguna manera que sugiera que el licenciador lo respalda a usted o a su uso.
  Sin restricciones adicionales: no puede aplicar términos legales o medidas tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita la licencia.