Entrenamiento de redes neuronales en R. Paquete AMORE.

##### Ejemplo: Entrenamiento y simulación de la red #####
#entrenamiento para una red simple:
require(AMORE)
## Creamos dos conjuntos de datos artificiales: ''P'' es el conjunto
de datos de entrada y ''target'' el de salida.
P <- matrix(sample(seq(-1,1,length=500), 500, replace=FALSE), ncol=1)
target <- P^2 + rnorm(500, 0, 0.5)
## Creamos el objeto red neuronal feedforward
net.start <- newff(n.neurons=c(1,3,1), learning.rate.global=1e-2,
momentum.global=0.5,error.criterium="LMS",Stao=NA,hidden.layer="
tansig",output.layer="purelin",method="ADAPTgdwm")
## Entrenamos la red según P y target
result <- train(net.start, P, target, error.criterium="LMS",
report=TRUE, show.step=100, n.shows=5 )
str(result)
#objeto red neuronal entrenada con pesos y tendencias ajustadas
mediante el entrenamiento adaptativo backpropagation con el
método de momentum (detallado en el apartado anterior)
#matriz con los errores obtenidos durante el entrenamiento
result$Merror
[,1]
[1,] 0.2753484
[2,] 0.2749079
[3,] 0.2746274
[4,] 0.2744657
[5,] 0.2743568
## Gráficos para remarcar que ahora la red entrenada en un elemento de
la lista resultante
y <- sim(result$net, P)
#vector de 500 elementos
str(y)
num [1:500, 1] 0.0374 0.8303 0.7052 0.0704 0.2761 ...
plot(P,y, col="blue", pch="+")
points(P,target, col="red", pch="x")

Created by Pretty R at inside-R.org