Redes Neuronales Artificiales

Trabajo Prctico 1.

1. Introduccin
El objetivo de este trabajo prctico es resolver dos problemas de distinto tipo utilizando redes neu-
ronales artificiales entrenadas con el mtodo de retro-propagacin del error y/o alguna de sus variantes.
Los datos de los problemas pertenecen a problemas reales y es posible que para que puedan ser utili-
zados de forma correcta deban ser preprocesados. Se espera que basndose en los conjuntos de datos
se construyan modelos de redes adecuados para cada uno, que puedan aprender todas las instancias
correctamente durante el entrenamiento y que tengan una capacidad aceptable para generalizar con
otros datos. Tanto el preprocesamiento de los datos, diseo del modelo, entrenamiento y testeo debern
ser documentados y entregados en un informe en donde se debern justificar las decisiones tomadas y
explicados los resultados obtenidos.

2. Problemas
Los dos conjuntos de datos que se entregan se encuentran en formato CSV sin encabezado. Uno
de los problemas puede ser visto como un problema de clasificacin, en donde se debe determinar a
que categora pertenece una entrada dada, y el otro puede ser visto como un problema de regresin,
en donde se deben predecir unos valores de respuesta a partir de una entrada dada. Para ambos casos
se debe crear un modelo de perceptrn multicapa que pueda aprender el conjunto de entrenamiento
correctamente pero que sea suficientemente sencillo como para no requerir un tiempo de entrenamiento
excesivo y que pueda generalizar correctamente sobre otros datos.

2.1. Diagnstico de cncer de mamas.

Este conjunto de datos contiene los resultados de un examen especfico que es utilizado en el diag-
nstico de cncer de mamas. Cada entrada corresponde a los datos obtenidos para distintos pacientes
y contiene 10 caractersticas provenientes de imgenes digitalizadas de muestras de clulas. Junto con
estas caractersticas se encuentra tambin el diagnstico final, determinado junto con otras pruebas, en
donde se indica si la muestra analizada perteneca a un tumor maligno o benigno.
La informacin de cada una de estas caractersticas es obtenida en valores reales a partir de algunos
atributos como los que se detallan a continuacin:
Diagnstico (M = maligno, B = benigno)
Radio (media de la distancia desde el centro a los puntos de permetro)
Textura (desviacin estndar de los valores en escala de gris)

1
2 Problemas 2

Permetro
rea
Suavidad (variaciones locales en la longitud del radio)
Compacidad (permetro2 / rea - 1)

Concavidad (severidad de las porciones cncavas del contorno)

Puntos cncavos (proporcin de porciones cncavas del contorno)
Simetra

Deber determinarse si es posible utilizar un modelo de red neuronal artificial para predecir el diagnstico
final utilizando nicamente los datos de este examen.

2.2. Eficiencia energtica

Este problema consiste en determinar los requerimientos de carga energtica para calefaccionar y
refrigerar edificios en funcin de ciertas caractersticas de los mismos. El anlisis energtico se realiz
utilizando edificios de distintas formas que difieren con respecto a la superficie y distribucin de las reas
de reflejo, la orientacin y otros parmetros. Cada entrada en el conjunto de datos corresponde a las
caractersticas de un edificio distinto junto a dos valores reales que representan la cantidad de energa
necesaria para realizar una calefaccin y refrigeracin adecuadas.
El conjunto de datos contiene 8 atributos y 2 respuestas que se especifican a continuacin:
1. Compacidad Relativa

2. rea de la Superficie Total

3. rea de las Paredes
4. rea del Techo

5. Altura Total
6. Orientacin
7. rea de Reflejo Total
8. Distribucin del rea de Reflejo

9. Carga de Calefaccin
10. Carga de Refrigeracin
El objetivo es utilizar estas ocho caractersticas para predecir las dos respuestas.
3 Detalles de la entrega 3

3. Detalles de la entrega
La entrega deber consistir al menos de en un programa ejecutable y un informe escrito.
El programa ejecutable deber permitir seleccionar un conjunto de datos y tener la opcin de trabajar
con un red neuronal nueva o ya entrenada. Si se utiliza una red nueva deber ser posible entrenarla con
los datos seleccionados ms los parmetros necesarios. Si se utiliza una red ya entrenada se debern
poder utilizar los datos seleccionados para testearla.
En ambos casos el programa deber mostrar de forma clara el desempeo del modelo. Si las opciones
son pasadas por linea de comando debern estar claramente especificadas. Tambin es posible entregar
un ejecutable distinto para cada problema.
En caso de que existan dificultades en la ejecucin del programa para la evaluacin, el trabajo
puede llegar a ser rechazado. Por esto se recomienda enfticamente utilizar un lenguaje interpretado
multiplataforma y testear su ejecucin en distintas mquinas antes de la entrega. En otro caso se
debern especificar instrucciones detalladas para la instalacin y/o ejecucin del mismo y de las libreras
que utilice.
El informe deber ser conciso y podr contener los siguientes tpicos adems de los que consideren
necesarios para que sea claro:

Breve introduccin al problema.

Descripcin de cmo se implement la solucin.
Ejemplos de instancias de entrenamiento (grficos de error, datos, pesos, etc).
Ejemplos de instancias de validacin (grficos de error, datos, pesos, etc).

Detalle de las opciones que acepta el programa y su modo de uso.

Detalle de los requerimientos para compilar, instalar y/o ejecutar el programa.
(De ser necesario incluir las libreras requeridas para su funcionamiento; si no, especificar.)
El cdigo fuente impreso del programa.

Decisiones tomadas y su justificacin.

Conclusiones si las hubiere.
El informe debe entregarse impreso y adems en un archivo comprimido junto al cdigo ejecutable a la
direccin:

entregas.redneu@gmail.com