Herramienta de visualización del aprendizaje en redes de neuronas

Abstract

En este proyecto se ha desarrollado una aplicación que permite visualizar el proceso de aprendizaje de una red de neuronas. Visualizando la evolución temporal de la frontera de separación entre los datos, el proceso de minimización del error... Se ha desarrollado teniendo como ¿target¿ el uso docente. Buscando facilitar para la enseñanza universitaria una herramienta en la que se pueda mostrar gráficamente algunos de los distintos aspectos de las redes de neuronas, de forma simplificada. Las gráficas de la aplicación se presentan en una representación 2D por ser la forma más simple y práctica para representar gráficamente una red de neuronas. Además de forma consensuada con los tutores se añadió la restricción de trabajar con un único perceptrón que tendrá una capa de entrada de dos neuronas, una única capa oculta de dos neuronas, y una capa de salida de una neurona. La aplicación una vez configurada, se inicia ejecutando el entrenamiento de la red de neuronas, buscando optimizar el valor de los pesos, y en el que se incluye el algoritmo de propagación hacia atrás, mostrando los resultados que va produciendo cada ciclo a tiempo real en la interfaz principal. Dichos resultados se visualizan en dos gráficas que mostrarán distintas representaciones de la ejecución. Una de ellas corresponderá a la representación utilizando los ejes naturales, y la segunda de ellas tendrá como ejes los valores de salida de las dos neuronas de la capa oculta, mostrando en ambos casos en cada punto el valor de la salida final de la red. La aplicación además permitirá la interacción con el usuario durante la ejecución del entrenamiento. Además otras funcionalidades que servirán para profundizar más en detalle de la evolución producida con el algoritmo de propagación hacia atrás. Estas funcionalidades son: la posibilidad de parar la ejecución y seleccionar un ciclo de ejecución concreto lo cual permitirá observar de una forma distinta y más detenidamente la evolución que han ido sufriendo las gráficas. Mostrar un nuevo gráfico que presente la estructura del perceptrón gráficamente mostrando las neuronas, las conexiones, y los valores de los pesos de cada una de las conexiones en el ciclo concreto en el que se inicie la funcionalidad. Mostrar la evolución del error durante toda la ejecución, permitiendo observar mediante una ¿gráfica de línea¿ la evolución del error presentadas según van avanzando los ciclos. Gráficas que muestran las variaciones del error en función de pequeñas variaciones en el peso de las conexiones de neuronas concretas.