Librería Python para el aprendizaje y la implementación de redes neuronales

Abstract

[ES] El presente TFG consta de la realización de una memoria y una librería escrita en el lenguaje de programación Python para el desarrollo de redes neuronales.

Se desarrollarán los tipos de redes neuronales vistos a lo largo de la rama de computación en las asignaturas de SIN y APR: perceptrón (clasificador binario), redes neuronales de una sola capa (clasificador multiclase) y redes neuronales profundas.

Partiendo de los elementos más simples que componen una red, tales como el perceptrón, se irá ampliando dicha librería con elementos más complejos hasta llegar a la construcción de redes neuronales más completas tales como las redes neuronales multicapa.

Dicha librería irá acompañada de un Jupyter Notebook que hará las veces de guía sobre el uso de ésta, explicando su funcionamiento de forma interactiva. Este notebook es una interfaz web que permite la ejecución de código Python en un navegador.

El principal objetivo de este TFG es didáctico, es decir, entender cómo se comporta una red neuronal y poder utilizarla en tareas de clasificación. En la actualidad existen infinidad de librerías para la implementación de redes neuronales, pero el objetivo no es aprender a usar una librería, la idea es crear una librería partiendo de cero para entender bien su funcionamiento.

[EN] This FWD consists of the realization of a report and a library written in the Python programming language for the development of neural networks.

The types of neural networks seen throughout the computing branch in the SIN and APR subjects will be developed: perceptron (binary classifier), single-layer neural network (multiclass classifier), and deep neural networks.

Starting from the simplest elements that make up a network, such as the perceptron, this library will be expanded with more complex elements until reaching the construction of more complete neural networks, such as multilayer networks.

This library will be accompanied by a Jupyter Notebook that will serve as a guide on its use, explaining its operation interactively. This notebook is a web interface that allows Python code to be executed in a browser.

The main objective of this FWD is didactic, that is, to understand how a neural network behaves and how to use it in classification tasks. Currently there are countless libraries for the implementation of neural networks, but the objective is not to learn how to use a library, the idea is to create a library from scratch to understand its operation well.