¿Qué ES JOONE? Joone: es un software que nos permite crear, entrenar y ejecutar una simple red neuronal Ejemplo de Red Neuronal 1. Creamos una carpeta llamada rnas y dentro de ella creamos un archivo txt con el nombre rna01 ingresamos valores secuenciales
2. Luego invocamos Joone e insertamos el objeto linear layer que nos permite conectar los parámetros de entrada con los de salida de la red neuronal
3. Luego configuramos la propiedad rows del layer creado.
4. Creamos un File Input Layer y configuramos las propiedades como: Advanced Column Selector = 1,2 InputFile = c:\rnas\rna01.txt
5. Luego creamos un File Output Layer y configuramos la propiedad FileName = c:\rnas\rna01s.txt
6. Luego conectamos los Layers
7. Damos clic en Tools, luego en Control Panel y configuramos las propiedades Epochs = 1 (El archivo se procesarĂĄ una vez) Training Patterns = 4 (nĂşmero de filas del archivo de entrada)
8. Clic en el botĂłn Run
9. Se ha creado el archivo en c:\rnas\rna01s.txt
10. Para guardar la red file damos clic en Save As y guardamos
Creando una simple RNA (caso XOR) Una red clásica y básica es la solución al problema XOR. Para implementar la solución se requieren tres neuronas. El problema trata datos binarios, verdadero y falso generalmente representados como 1 y 0, por lo que la neurona tipo sigmoide resulta ideal. La red se construye de tres niveles: Un input layer de dos entradas (entrada) Un hidden layer de tres neuronas (oculta) Un output layer de una salida (salida) Creamos una nueva Red File 1. Localizamos tres sigmoid layer en el panel de desarrollo.
2. Editamos cada uno de los layer y los configuramos, damos clic en el layer de Entrada, aparece un cĂrculo azul, damos clic y arrastramos una conexiĂłn hacia el layer Oculta. Repetimos para el layer Oculta y el layer Salida. Nos quedarĂĄ de la siguiente manera.
Entrenando la Red Para entrenar la red se requieren datos que representan el comportamiento deseado. 3. Creamos el archivo de texto xor en c:\joone\xor.txt con los siguientes datos.
4. Agregamos un File Input Layer que permita leer los datos de entrenamiento y configuramos las propiedades Name, Advanced Column Selector y File Name
5. Conectamos el Archivo entrada con Entrada.
6. Para entrenar la red se requiere un teacher layer. Lo adicionamos y conectamos con Salida.
7. Agregamos un segundo File Input Layer sobre Teacher y configuramos las propiedades Name, Advanced Column Selector y File Name.
8. Conectamos Datos deseados con Teacher, esta vez iniciamos la flecha en teacher y la dirigimos hacia Datos deseados.
9. Configuramos el entrenamiento de la red con 4 filas de datos 1,000 veces: Epochs = 1000; training patterns = 4; learning rate = 0.7; momentum = 0.6; Learning = TRUE.
10. Iniciamos el entrenamiento dando clic en Run y el control panel nos mostrarรก los ciclos completados y el error de la red.
Ejecutando la Red 11. Agregamos un File Output y configuramos las propiedades Name=Resultados y File Name=C:\Joone\resultados.txt. Conectamos Salida con Resultados.
12. Para ejecutar la red seleccionamos tools, luego control panel y configuramos las propiedades learning = False y Epochs = 1.
13. Damos clic en Run y se genera el archivo resultados.txt con la informaci贸n del RMSE.
14. Para visualizar los pesos: damos clic derecho en la sinapsis, seleccionamos Inspect. En el caso de la sinapsis entre Entrada y Oculta tenemos:
15. Entre Oculta y Salida tenemos.