Redes Neuronales

Teoría

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

Ejemplos practicos de aplicacion de Redes Neuronales son:

• La recomendacion de contenido de Netflix
• El feed de Instagram o TikTok
• Determinar el numero o letra escrito a mano

Instalar paquetes y llamar librerias

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

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)
print(df)

##   examen proyecto estatus
## 1     20       90       1
## 2     10       20       0
## 3     30       40       0
## 4     20       50       0
## 5     80       50       0
## 6     30       80       1

Generar la Red Neuronal

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

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,]  1.01163779
## [2,]  0.01607141
## [3,] -0.01336671

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

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