Redes_Neuronales_mkd

Redes Neuronales

#install.packages('rsconnect')

rsconnect::setAccountInfo(name='a01284471',
              token='5015D730A9EE5CF4A8AF0AD126F57D24',
              secret='rS9Zat2P7XFQNzkO034g4yD6ESLp6njQQeBkh0i5')

library(rsconnect)

rsconnect::accounts()

##        name       server
## 1 a01284471 shinyapps.io

0. Concepto

Una Red Neural Artificial (ANN) modela la relación entre un conjunto de entradas y una salida, resolviendo un problema de aprendizaje.

Ejemplos de aplicación de Redes Neuronales son:
1. La recomendación de contenido de Netflix.
2. El feed de Instagram o TikTok.
3. Determinar el número o letra escrito a mano.

1. Instalar paquetes y llamar librerías

#install.packages("neuralnet")
library(neuralnet)

2. Alimentar con ejemplos

examen <- c(20,10,30,20,80,30)
proyecto <- c(90,20,40,50,50,80)
estatus <- c(1,0,0,0,0,1)
df <- data.frame(examen,proyecto,estatus)

3. Generar la Red Neuronal

red_neuronal <- neuralnet(estatus~., data=df)
plot(red_neuronal, rep = "best")

4. Predecir con la Red Neuronal

prueba_examen <- c(30,40,85)
prueba_proyecto <- c(85,50,40)
prueba <-data.frame(prueba_examen,prueba_proyecto)
prediccion <- compute(red_neuronal, prueba)
prediccion$net.result

##            [,1]
## [1,]  0.3995529
## [2,]  0.3995529
## [3,] -0.1351835

probabilidad <- prediccion$net.result
resultado <- ifelse(probabilidad>0.5,1,0)
resultado

##      [,1]
## [1,]    0
## [2,]    0
## [3,]    0

Conclusion

Las redes neuronales permiten que los programas reconozcan patrones y resuelvan problemas comunes en IA y aprendizaje automatico