Extensión del sistema Weka con la incorporación de redes neuronales recurrentes

Abstract

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.