Docsity
Docsity

Prepara tus exámenes
Prepara tus exámenes

Prepara tus exámenes y mejora tus resultados gracias a la gran cantidad de recursos disponibles en Docsity


Consigue puntos base para descargar
Consigue puntos base para descargar

Gana puntos ayudando a otros estudiantes o consíguelos activando un Plan Premium


Orientación Universidad
Orientación Universidad


Taller de Neuronas Artificiales: Predicción de Precios de Maíz, Ejercicios de Introducción al Aprendizaje Automático

Las redes neuronales artificiales son un modelo computacional evolucionado a partir de diversas aportaciones científicas que están registradas en la historia.​ Consiste en un conjunto de unidades, llamadas neuronas artificiales, conectadas entre sí para transmitirse señales.

Tipo: Ejercicios

2021/2022

Subido el 27/01/2023

duvan-cardenas-5
duvan-cardenas-5 🇨🇴

2.7

(3)

8 documentos

1 / 8

Toggle sidebar

Esta página no es visible en la vista previa

¡No te pierdas las partes importantes!

bg1
TALLER NEURONAS ARTIFICIALES
Presentado a
Oswaldo Enrique Vélez Lang
Presentado por
*****************
*********************
Universidad De Córdoba
Departamento De Ingenierías De Sistemas Y Telecomunicaciones
Sede Montería
Aprendizaje computacional
Diciembre 2022
pf3
pf4
pf5
pf8

Vista previa parcial del texto

¡Descarga Taller de Neuronas Artificiales: Predicción de Precios de Maíz y más Ejercicios en PDF de Introducción al Aprendizaje Automático solo en Docsity!

TALLER NEURONAS ARTIFICIALES

Presentado a Oswaldo Enrique Vélez Lang Presentado por



Universidad De Córdoba Departamento De Ingenierías De Sistemas Y Telecomunicaciones Sede Montería Aprendizaje computacional Diciembre 2022

35 puntos: Uso de un Perceptrón Multicapa en la predicción del precio de un producto

Se entregan dos archivos de datos: los archivos de Excel (Ojo no están en formato ARFF)

Precios_IntMaizBlanco y Precios_IntMaizAmarillo, como su nombre lo indica, son archivos

que contienen (día a día) durante 10 meses los valores de precios internacionales para

cada tipo de maíz. Elabore un Perceptrón Multicapa (usando el algoritmo específico en

WEKA) que sea capaz de predecir dichos valores. Para cada tipo de maíz se pide:

A. Graficar las curvas de aprendizaje para el error versus distinto número de

neuronas en la capa oculta

MAIZ BLANCO

75% para entrenar y 25% para probar. Razón de aprendizaje 0.4.

Numero de neuronas Error per Epoch

Podemos notar que a medida que el numero de neuronas en la capa oculta aumenta,

también aumenta el error por época levemente, siendo con 13 neuronas el punto de

mayor precisión del modelo.

MAIZ AMARILLO

Para maíz amarilla y usamos 13 neuronas, por ser la más precisa.

Error per

Epoch

Razón de

aprendizaje

Aquí podemos

observar que al utilizar una razón de aprendizaje baja, en este caso de 0.3, el error por

época es bajo también, por ende, se puede afirmar que a medida que aumenta la razón de

aprendizaje, aumenta el error de manera notoria.

c) Obtener una gráfica donde se compare los valores reales vs valores predichos por la

RNA.

MAIZ BLANCO

inst# actual predicted 1 183,5 185, 2 153,5 149, 3 146,6 150, 4 187,4 185, 5 185,6 180, 6 153,5 149, 7 191,9 188, 8 148,4 152, 9 189,8 186, 10 197,8 182, 11 192,9 182, 12 183,5 181, 13 142,9 157, 14 183,3 184, 15 191,3 181, 16 155,1 149, 17 162,4 180, 18 158,5 151, 19 191,3 183, 20 187,4 185, 21 154,7 148,

  • 22 199 182,
  • 23 199 182,
  • 24 192,1 184,
  • 25 166,5 151,
  • 26 162,4 170,
  • 27 183,5 185,
  • 28 158,5 151,
  • 29 192,5 182,
  • 30 204,1 187,
  • 31 185,6 180,
  • 32 156,9 150,
  • 33 185,6 186,
  • 34 195,7 184,
  • 35 185,6 186,
  • 36 190 187,
  • 37 182,1 181,
  • 38 166,5 151,
  • 39 192,1 183,
  • 40 186,8 186,
  • 41 182,1 180,
  • 42 155,1 149,
  • 43 189,8 186,
  • 44 148,6 148,
  • 45 199,6 183,
  • 46 187,4 185,
  • 47 166,5 151,
  • 48 174,4 179,
  • 49 183,5 185,
  • 50 145,9 152,
  • 51 146,6 152,
  • 52 185,6 180,
  • 53 158,5 150,
  • 54 191,3 181,
  • 55 185,6 180,
  • 56 189,4 187,
  • 57 154,7 148,
  • 58 195,7 184,
  • 1 138,7 130, inst# actual predicted
  • 2 163,6 157,
  • 3 159,2 135,
  • 4 135,3 137,
  • 5 141,9 143,
  • 6 146,8 139,
  • 7 145,1 134,
  • 8 158,3 161,
  • 9 130,2 128,
  • 10 164,2 159,
  • 11 136,1 140,
  • 12 163,5 161,
  • 13 144,6 133,
  • 14 127,2 126,
  • 15 147,6 132,
  • 16 143,5 142,
  • 17 159,1 155,
  • 18 133,7 128,
  • 19 157,3 162,
  • 20 156,1 87,
  • 21 152,9 150,
  • 22 164,2 158,
  • 23 156,5 153,
  • 24 148,2 138,
  • 25 142,1 139,
  • 26 160,7 162,
  • 27 136,3 147,
  • 28 136,8 125,
  • 29 136,3
  • 30 135,3 133,
  • 31 157,3 162,
  • 32 151,6 134,
  • 33 159 160,
  • 34 143,4 142,
  • 35 148 137,
  • 36 146,8 139,
  • 37 145,3 145,
  • 38 126 132,
  • 39 128,9 125,
  • 40 171 160,
  • 41 157,5 159,
  • 42 147 132,
  • 43 132,3 130,
  • 44 162,3 154,
  • 45 129,4 126,
  • 46 146,1 143,
  • 47 171 161,
  • 48 164,2 161,
  • 49 157,3 155,
  • 50 161,2 135,
  • 51 135,4 130,
  • 52 145 138,
  • 53 159,3 162,
  • 54 143,5 142,
  • 55 125 128,
  • 56 150 138,
  • 57 133,1 131,
  • 58 195,7 184,

Observando esta gráfica se evidencia que existe un pico global en el cual el valor de

predicción de precios esta muy alejado del valor actual, en cambio los demás valores están

cercanos, con una diferencia muy leve. Lo cual indica que los valores predichos estarán

alejados de los actuales.

d) ¿Existe alguna diferencia de resultados (mayor coherencia o exactitud) que

favorezcan a algún tipo de maíz en especial? ¿Por qué?

Si comparamos los resultados obtenidos, se logra ver que los valores de predicción versus

los valores actuales en el maíz amarillo están mas dispersos, en cambio en el maíz blanco

estos valores están mas cercanos, con pequeñas diferencias entre ellos, por otro lado,

analizando las capas ocultas con los errores obtenidos, nos damos cuenta que maíz blanco y

amarillo tienen un menor error tanto en 13 neuronas ocultas y 0.3 de razón de aprendizaje.

En conclusión, el maíz blanco tiene resultados más coherentes.