Cognitive Science">
Practica 3 - Redes Neur
Practica 3 - Redes Neur
Practica 3 - Redes Neur
PRÁCTICA 3
INGENIERÍA MECATRÓNICA
REDES NEURONALES
INTEGRANTES:
DOCENTE
ING. Abner Montenegro Hipólito
Pasar nuestra red neuronal a un lenguaje de alto nivel para comprobarla que si funcione.
Material Utilizado
• Computadora
• Visual Studio Code
Para llevar a cabo la realización de la red neuronal utilizaremos el lenguaje de programación
Python y utilizaremos Tensorflow para entrenar la red y hacer que esta aprenda.
import tensorflow as tf
import numpy as np
2. Arreglos de números donde se colocan los datos de entrada de celcius y los resultados
de fahrenheit.
celsius = np.array([-60, -40, -10, 0, 0.5, 1, 2, 5, 8, 15, 22, 38, 50, 60, 70,
100], dtype=float)
fahrenheit = np.array([-76, -40, -14, 32, 32.9, 34, 35.6, 41, 46.4, 59, 71.6,
100.4, 122, 140, 158, 212], dtype=float)
3. Definición de capas.
a. «tf.keras.layers.Dense» Hace referencia que define una capa de tipo densa. (Las
capas de tipo densa significan que cada neurona de una capa, tienen
conexiones a todas las neuronas de la siguiente capa).
b. «units = 1» Hace referencia que hay una neurona de salida.
c. «input_shape = [1]» Significa que hay una capa de entrada con una sola
neurona.
d. «modelo = tf.keras.Sequential([capa])» Definición de modelo de capa secuencial,
asignado a nuestra variable «capa».
modelo.compile(
optimizer=tf.keras.optimizers.Adam(50),
loss='mean_squared_error'
)
5. Entrenamiento
a. Se utiliza la función «.fit» sobre el modelo, ejemplo «modelo.fit» especificando
los datos de entrada (En este caso la lista celcius) y los datos de salida (En este
caso fahrenheit), luego se definen las épocas por las que iterará, con la función
«epochs = valor» y para solo imprimir lo esencial se utiliza «verbose = False»
6. print("Comenzando entrenamiento...")
7. historial = modelo.fit(celsius, fahrenheit, epochs=10000, verbose= False)
8. print("Modelo entrenado!")
6. Predicción
a. En este caso se hace una predicción de cuantos son n grados celcius en
fahrenheit, utilizando un arreglo para poder ingresar los grados que el usuario
quiera.
1 Python
2 Google
Conclusiones:
Aprendizaje Interactivo: La implementación de una red neuronal para convertir grados Celsius
a Fahrenheit proporciona una forma interactiva y educativa para que las personas comprendan
los conceptos básicos del aprendizaje automático. Permite a los usuarios interactuar con un
modelo de inteligencia artificial en un contexto práctico y comprender cómo las redes neuronales
pueden realizar tareas matemáticas simples.
Facilidad de Uso: La aplicación es fácil de usar para los usuarios finales. Pide una entrada en
grados Celsius y devuelve la temperatura equivalente en grados Fahrenheit. Esto demuestra
cómo las complejidades del modelo de red neuronal están ocultas para el usuario, lo que subraya
la capacidad de las tecnologías de inteligencia artificial para hacer tareas complejas de manera
sencilla y accesible.