Ir a Inicio

Colaboración entre individuos

Programa 27. Comparativa entre dos redes neuronales: Una sola entrada-salida vs Múltiples entradas-salidas

Dada una serie de datos (X, Y) donde X no se repite, se busca la expresión Y = F(X) que genere esa serie de datos.

El algoritmo es el siguiente:

1. Generar una ecuación al azar del tipo Y=F(X).

2. Con esa ecuación generar una serie de valores (X, Y).

3. Se normalizan los valores (X, Y).

4. Se toma el valor X y el valor Y, y se dividen en sumatorias, por ejemplo:

Valor X = 0.8215 se convierte a 0.8 + 0.02 + 0.001 + 0.0005

Valor Y = 0.1764 se convierte a 0.1 + 0.07 + 0.006 + 0.0004

Y cada sumando es una entrada y salida como se ve en la imagen:

5. Se envía para entrenamiento a un primer perceptrón multicapa (dos capas ocultas cada una de 8 neuronas) esos valores X en suma y, Y en suma, es decir, múltiples entradas y múltiples salidas.

6. Se envía para entrenamiento a un segundo perceptrón multicapa (dos capas ocultas cada una de 8 neuronas) esos valores (X, Y) no convertidos en suma, es decir, de una sola entrada X, y una sola salida Y.

7. Se compara la aproximación que arroja ambos perceptrones, el que más se aproxime a cero es el mejor

Se hicieron 125 pruebas. Y se obtuvieron los siguientes resultados:

Aproxima múltiples entradas-salidas Aproximación una entrada-salida
2,228681442,202224568
29,056558129,10918799
0,5028141320,45067045
4,04667115212,08689106
26,5169588626,64989753
23,7870430824,54352531
1,0272018030,53122769
1,8380440321,579597839
2,42019941,61283111
29,4879626829,47073618
5,7916112992,859582268
25,8766652124,56843495
11,6468191117,68327662
1,9943244441,848527124
2,8469834172,749026843
9,77477429116,52045278
29,2605180329,23161098
1,2487955140,72427718
31,5516948930,25910494
3,0781638652,887417298
6,2854097826,102289781
20,7241293920,89337094
1,4074290581,110041661
1,2711703560,621168276
1,8483571040,609813062
1,4362043811,427853386
0,8339808590,507796137
1,073931880,987293893
14,9273602614,67198885
4,7223487454,545818565
2,5577523272,969238414
1,3077496671,36267139
2,1059330552,025590473
0,895889970,690801393
27,5215650127,27781667
1,4599757640,756813007
3,7011981080,545165207
1,16923071,227934795
3,86316522427,83955694
29,6059820929,41123677
0,4760227780,444157009
27,8360554228,20662131
29,4872625229,29727948
3,0382811483,035425564
2,0242760342,000066963
2,5079255832,245486524
29,7694351430,34725735
1,8447046611,794558467
1,99900650,494232252
1,9068231240,66361312
29,9906180329,96162233
3,2660037573,184228235
2,625288383,33389031
2,9263497733,052202887
2,127430372,093173274
27,4010689328,63722354
3,6849205683,649847733
6,40928676,472049695
1,8237185891,861190619
11,7996945226,59399987
2,0524716770,620323016
5,14639891525,55441326
11,0846518227,1138065
1,952118111,028082962
2,1438459240,827141464
28,5265773828,34400914
1,7923251310,609890343
1,9550098960,936693555
1,0336940110,860021395
1,1183947050,545584034
1,2949473020,564150549
2,4304342172,096273558
23,724102526,26858937
3,61294948830,45119158
28,6399654228,58433186
1,1320578720,980884859
0,8490889210,931148476
3,62638322128,98154962
1,7771877651,367503473
15,4660522720,03147164
3,0209340182,489700882
26,5816485127,53192688
1,6997249730,550904045
3,4825739233,308542061
15,3865159515,40612966
2,0274592150,412104789
3,2195440943,898526993
23,5084738326,53241535
2,7095936734,466284402
4,14277158824,96661786
3,3864354791,55326743
1,38870420,742840436
28,2906210328,32953342
1,5704687931,602019971
5,4782431225,318698323
2,0385361820,656475639
7,45519095230,28606323
1,7259006660,608444798
2,6651181513,313457064
2,1848954991,443370143
4,58761281629,81444738
1,7422822741,623412639
2,0075125821,531086638
3,3506841116,52346595
0,636199930,596002403
2,5577307122,106263908
4,7553432724,754131763
2,2575007450,810935042
1,9528903992,002729022
1,3087429710,524209886
0,9727674630,601560066
7,70845373115,6760444
3,8355577053,873124298
26,8065939826,33312232
5,9842415065,943049393
1,05301610,95061154
0,9350613390,873462355
29,0156391629,10080262
2,1877206272,037741724
28,4511863428,45094548
3,8491037471,031984277
28,6312036529,94480239
2,7148652380,457948077
24,0627786223,62032808

Los resultados son interesantes porque la estrategia de una entrada-salida fue más eficaz, en 81 de las 125 pruebas logró mejor aproximación.

Pero curiosamente, cuando el perceptrón de entrada-salida tiene peor aproximación que el perceptrón entradas-salidas, la diferencia era bien notable. Ver los siguientes casos:

Aproxima múltiples entradas-salidas Aproximación una entrada-salida
4,04667115212,08689106
11,6468191117,68327662
3,86316522427,83955694
11,7996945226,59399987
5,14639891525,55441326
3,61294948830,45119158
4,14277158824,96661786
7,45519095230,28606323
4,58761281629,81444738

Se hizo la siguiente operación, si el perceptrón entradas-salidas le ganaba al perceptrón entrada-salida, se acumula en cuánto perdió este último; caso contrario se acumula cuánto perdió el perceptrón entradas-salidas. El resultado fue:

Pérdida acumulada perceptrón múltiples entradas-salidas Pérdida acumulada una entrada-salida
47,34227392258,827636

El perceptrón entrada-salida frecuentemente es mejor en aproximación que el perceptrón entradas-salidas. Pero cuando este primero falla, su error es más grande en comparación con el segundo. Si es por confiabilidad me quedaría con el perceptrón entradas-salidas (que pierde por muy poco).

Descargue el programa en C# dando clic aquí