Diferencias

Muestra las diferencias entre dos versiones de la página.

--- clase:iabd:pia:2eval:tema07-apendices [2022/03/17 19:35]
admin [Backpropagation]
+++ — (actual)
@@ Línea 1: / Línea 1: @@
-====== 7. Entrenamiento de redes neuronales d) Apéndices ======
-===== Tipos de funciones de coste =====
-==== Huber ====
-La función de coste Huber es un compromiso entre MAE y MSE, ese compromiso se define con un parámetro llamado delta  $\delta$ .
-La siguiente gráfica compara MAE, MSE y distintos valores de delta.
-{{ :clase:iabd:pia:2eval:funcion_coste_huber.png?direct&600 |}}
-  * Si delta tiene en valor cercano a 1, tenderá a parecerse a MAE
-  * Si delta tiene un valor elevado, tenderá a parecerse a MSE
-<note tip>Como decíamos con MAE y MSE. ¿queremos que los valores extremos se tengan en cuenta. Pues con el parámetro delta podemos hacer un ajuste mas fino</note>
-Su uso en Keras es:
-<sxh python>
-model.compile(loss=tf.keras.losses.Huber(delta=3))
-</sxh>
-<note>
-Pensando en la gráfica de Huber he pensado si  $MAE=|y-\hat{y}|^1$  y  $MSE=|y-\hat{y}|^2$ , en vez de usar Huber, ¿No podríamos usar como función de coste algo también intermedio como  $MSE=|y-\hat{y}|^{1.5}$
-Y he creado una gráfica similar para ver los resultados y no están mal
-{{ :clase:iabd:pia:2eval:funcion_coste_exponenciales.png?direct&500 |}}
-He mirado un poco por internet para ver si alguien los usaba y no he encontrado nada, supongo que será porque hacer el cálculo de una potencia con decimales es bastante costoso en tiempo.
-</note>
-Mas información:
-  * [[https://keras.io/api/losses/regression_losses/#huber-class|Huber class]]
-  * [[https://www.machinecurve.com/index.php/2019/10/12/using-huber-loss-in-keras/|Using Huber loss with TensorFlow 2 and Keras]]
-  * [[https://en.wikipedia.org/wiki/Huber_loss|Huber loss en Wikipedia]]
-===== Backpropagation =====
-El Backpropagation es el algoritmo que optimiza el entrenamiento de la red. Calcular el gradiente (o derivada) de toda la red es muy costoso. Se basa en la idea de que los parámetros de una capa no dependen de la capa anterior.
-Si volvemos a ver nuestra red neuronal de ejemplo, podemos calcular los pesos de la neurona 5 sin que influya en como van a ser los pesos de las neuronas 2, 3 y 4. Es decir que empezamos con las neuronas de las capas más hacía la salida y una vez calculados sus pesos , calculamos los parámetros de las capa anterior (más hacia la entrada) , y eso significa ir hacia atrás o //backpropagation//.
-{{ :clase:iabd:pia:2eval:backpropagation_1.gif?direct |}}
-{{ :clase:iabd:pia:2eval:backpropagation_2.gif?direct |}}
-{{ :clase:iabd:pia:2eval:backpropagation_3.mp4?700 |}}
-Con backpropagation acabamos de ver el orden en el que se calculan los parámetros de cada neurona y a continuación vamos a ver con el descenso de gradiente como calculamos los parámetros de una neurona.
-Junto con el backpropagation  aparece otro concepto llamado //regla de la cadena// o //chain rule// que se usa para junto al backpropagation para hacer menos cálculos. Está relacionado con el cálculo de derivadas.
-En los siguientes videos está explicado perfectamente el backpropagation y la //chain rule//
-  * [[https://www.youtube.com/watch?v=eNIqz_noix8|¿Qué es una Red Neuronal? Parte 3 : Backpropagation | DotCSV]]: Video
-  * [[https://www.youtube.com/watch?v=M5QHwkkHgAA|¿Qué es una Red Neuronal? Parte 3.5 : Las Matemáticas de Backpropagation | DotCSV]]: Video

logongas

Herramientas de usuario

Herramientas del sitio

Diferencias

Herramientas de la página