Entrenamiento de un Perceptrón Multicapa utilizando agrupamiento conceptual aplicando el algoritmo RGC

Abstract

Las redes neuronales artificiales son modelos computacionales con propiedades particulares, como la capacidad de adaptarse o aprender a generalizar, agrupar u organizar datos basado en un procesamiento paralelo. Dentro de estas, uno de los modelos más utilizados para la solución de problemas es el Perceptrón Multicapa teniendo en cuenta su gran capacidad como aproximador universal. En este modelo se presentan dos problemas que son significativos tanto en la convergencia como en la ejecución de la red neuronal artificial, uno relacionado con la determinación de los pesos sinápticos iniciales y otro referente al entrenamiento de la red en sí. El presente trabajo se propone como objetivo general desarrollar una herramienta informática para el entrenamiento del Perceptrón Multicapa utilizando el algoritmo RGC. Se utilizaron como métodos científicos el analítico-sintético y el experimental, los que permitieron dirigir la investigación. Se describen las dos etapas del algoritmo RGC: determinación extensional y determinación intencional, así como el entrenamiento de la red. Se establecen comparaciones en cuanto a la cantidad de objetos clasificados correctamente entre tres configuraciones del Perceptrón Multicapa, uno sin aplicar los algoritmos conceptuales, otro aplicando el algoritmo RGC y el último aplicando algoritmo LC-Conceptual. Los resultados demuestran que la solución propuesta garantiza una mayor eficacia en la solución de problemas a la hora de entrenar una red neuronal utilizando un MLP.

Artificial neural networks are computational models with properties such as the ability to adapt or learn to generalize, group or organize data based on parallel processing. Within these, one of the most used models for problem solving is the Multilayer Perceptron, considering its great capacity as a universal approximator. In this model, two problems are presented that are significant both in the convergence and in the execution of the artificial neural network, one related to the determination of the initial synaptic weights and another related to the training of the network itself. The present work proposes as a general objective to develop a computer tool for the training of the Multilayer Perceptron using the RGC algorithm. The analytical-synthetic and the experimental methods were used as scientific methods, which allowed directing the research. The two stages of the RGC algorithm are described: extensional determination and intentional determination, as well as network training. Comparisons are established in terms of the number of objects correctly classified among three configurations of the Multilayer Perceptron, one without applying the conceptual algorithms, another applying the RGC algorithm and the last applying the LC-Conceptual algorithm. The results show that the proposed solution guarantees greater efficiency in solving problems when training a neural network using an MLP.