Extensión del sistema Weka con la incorporación de redes neuronales recurrentes
Archivos
Fecha
2007-07-04
Autores
Guevara Yanes, Lenier Ernesto
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central “Marta Abreu” de Las Villas
Resumen
En este trabajo se implementan redes neuronales recurrentes para clasificación,
con algoritmo Backpropagation Through Time, como una extensión del software
de Aprendizaje Automatizado, Weka. Se desarrollan dos variantes para convertir
las redes recurrentes en clasificadores. La primera variante es un cambio de
topología agregando una capa fija final para mezclar los tiempos en una única
salida. La segunda variante es el uso de una función que combina las salidas,
para la cual se usaron tres funciones diferentes: la moda, la media y la neurona de
máxima probabilidad. Se define además una metodología para adicionar nuevos
clasificadores a Weka que facilita esta tarea para futuros programadores de esta
área. Se comprueba que con los algoritmos implementados se obtienen los
mismos resultados que el software previamente desarrollado, NEngine. Se aplican
pruebas estadísticas para la comparación de los resultados con todas las
variantes de combinación de salidas implementadas para el problema de
clasificación de resistencia del VIH ante diferentes fármacos.
In this work recurrent neural networks using Backpropagation Through Time are implemented as an extension of the machine learning software, Weka. Two variants to convert recurrent networks into classifiers are developed. The first variant is a topology change adding a new layer at the end to mix the times in only one output. The second one is the use of a function to combine the outputs. Were used tree different functions: mode, mean, and the neuron with max probability for this variant. It was defined a methodology to create new classifiers in Weka in order to help to new programmers in this area. It was tested that the algorithms implemented achieve the same results to previous software developed, NEngine. We applied statistic tests to compare the results of all variants implemented for the classification problem of HIV resistance to different drugs.
In this work recurrent neural networks using Backpropagation Through Time are implemented as an extension of the machine learning software, Weka. Two variants to convert recurrent networks into classifiers are developed. The first variant is a topology change adding a new layer at the end to mix the times in only one output. The second one is the use of a function to combine the outputs. Were used tree different functions: mode, mean, and the neuron with max probability for this variant. It was defined a methodology to create new classifiers in Weka in order to help to new programmers in this area. It was tested that the algorithms implemented achieve the same results to previous software developed, NEngine. We applied statistic tests to compare the results of all variants implemented for the classification problem of HIV resistance to different drugs.
Descripción
Palabras clave
Resistencia del VIH, Fármacos, Extensiones del Weka, Redes Neuronales Recurrentes, Diseño e Implementación, Bioinformática, Inteligencia Artificial