Documentos de Académico
Documentos de Profesional
Documentos de Cultura
N entradas
M neuronas de salida
L: neuronas
en la capa oculta
1 p M
E = ∑∑ ( z i (k ) − y i (k ))
2
2 k =1 i =1
Implementación de la función
XOR
Regiones de clasificación en función del número de
capas ocultas
entrenamiento
Conjuntos de entrenamiento, validación y Generalización
Conjunto de datos
Dicho método consiste en dividir los datos muestrales en dos partes; una parte se
utiliza como conjunto de entrenamiento para determinar los parámetros del
clasificador neuronal y la otra parte, llamada conjunto de prueba (ó test ó conjunto
de generalización) se utiliza para estimar el error de generalización. El conjunto de
entrenamiento suele a su vez dividirse en conjuntos de entrenamiento (propiamente
dicho) y conjunto de validación para ajustar el modelo.
Se suelen utilizar el 80% de los datos para entrenar la red, el 10% como conjunto de
validación y el 10% restante para estimar la generalización (pero es sólo un criterio
orientativo).
Construcción de una Red neuronal de tamaño
óptimo: Procedimientos de poda
Las redes neuronales más pequeñas son preferibles a las más grandes que
realizan una misma tarea por varias razones: tienen un menor número de
parámetros, el entrenamiento es más rápido y suelen tener una mayor
capacidad de generalización al utilizar nuevos patrones.
∂E 1 ∂2E
∆E = ∆wij + ( 2 )(∆wij ) 2
∂wij 2 ∂wij