Los errores al entrenar una red neuronal

Errores típicos al entrenar una red neuronal

Entrenar bien una red es un arte. Esta página reproduce, con experimentos reales sobre la misma red pequeña, los fallos más comunes, cómo se reconocen y cómo se arreglan. El objetivo es siempre el mismo: que la red lea bien tanto los números derechos como los girados.

Velocidad de aprendizaje demasiado alta

La velocidad de aprendizaje (learning rate) marca cuánto corrige la red sus pesos en cada paso. Con 0,6 (20 veces más que la adecuada) la red se desestabiliza: acierta solo el 47 % de los números girados y, además, cae al 24 % en los derechos, que ya sabía leer.

Velocidad de aprendizaje demasiado baja

En el extremo contrario, con 0,002 la red avanza tan despacio que tras 5 ciclos solo llega al 71,6 % en los girados, frente al 85 % que se consigue con una velocidad adecuada (0,03).

Sobreentrenamiento

Si la red solo ve 64 ejemplos durante 200 ciclos, acaba memorizándolos: acierta el 100 % de sus propios ejemplos pero solo el 76,7 % de los números girados nuevos. Es el sobreentrenamiento (overfitting): saberse la lección de memoria sin haberla entendido.

Cómo se arreglan

Con más ejemplos (500), una velocidad moderada (0,05) y menos ciclos (20), los girados llegan al 87,7 %. Las gráficas y el examen te ayudan a ver cuándo algo va mal antes de que sea tarde.

Más sobre redes neuronales

Si aún no lo has hecho, empieza por ver cómo aprende una red neuronal y qué es el ajuste fino; o juega con la red neuronal ya entrenada.

Otras herramientas interactivas de Akutangulo

Esta aplicación forma parte del catálogo de aplicaciones web que Akutangulo desarrolla a mano en Valladolid. Si te ha gustado, prueba la tabla periódica interactiva en 3D, el simulador del cubo de Rubik o el juego del círculo perfecto.