PC1-PC2

INTELIGENCIA ARTIFICIAL MT 616

Universidad Nacional de Ingeniería

Facultad de Ingeniería Mecánica
Informe 1
“Optimización y verificación en
tiempo real de digitos con base de
datos MNIST”

Alumno:
 Rau Espinoza, Ulises Piero 20140080A
 Retiz Alvarado, Boris Lenin 20140065B

Curso:
INTELIGENCIA ARTIFICIAL MT616
Profesor:
Ing. Calle Flores, Ivan

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 1

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

OPTIMIZACION DEL CODIGO IMPLEMENTADO EN CLASE

USANDO LA DATA MNIST

Primer caso:

Código:

mlp = MLPClassifier(solver='adam',
activation = 'relu'
alpha=1e-5
hidden_layer_sizes=(M,),
max_iter = 200,
random_state=1)

Hemos escogido para la optimización de pesos el Solver ‘adam’ debido

a que es bastante bueno en datas relativamente grandes.

En la función de activación, hemos escogido la funcion ‘relu’ que es una

funcion de rectificación lineal f(x) = max(0,x).

En este caso vamos a variar la variable “M” que es el número de nodos

en la capa oculta viendo como varia la resolución en la data de
entrenamiento y la data de prueba; para así poder escoger un
determinado valor M que nos de una resolución alta en los dos casos.

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 2

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

Entrenamiento Prueba
M Precision M Precision
45 0.97 45 0.95
50 0.98 50 0.95
55 0.97 55 0.95
60 0.98 60 0.95
70 0.98 70 0.96
75 0.98 75 0.96
80 0.99 80 0.96
85 0.99 85 0.96
90 0.98 90 0.95
100 0.98 100 0.96
135 0.98 135 0.95

Precision - Entrenamiento
0.995

0.99

0.985

0.98

0.975

0.97

0.965
0 20 40 60 80 100 120 140 160

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 3

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

Precision - Prueba
0.962

0.96

0.958

0.956

0.954

0.952

0.95

0.948
0 20 40 60 80 100 120 140 160

Conclusión:

- Según las gráficas, podemos apreciar que el valor mas apropiado

para M es de 80 dado que nos da una precisión de 0.99 para la
data de entrenamiento y 0.96 para la data de prueba

Segundo caso:

Código:

mlp = MLPClassifier(solver='adam',
activation = 'logistic'
alpha=1e-5
hidden_layer_sizes=(M,),
max_iter = 200,
random_state=1)

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 4

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

Hemos escogido para la optimización de pesos el Solver ‘adam’ debido

a que es bastante bueno en datas relativamente grandes.

En la función de activación, hemos escogido la funcion ‘logistic’ que es

una funcion sigmoid f(x) = 1/(1+exp(-x)).

En este caso vamos a variar la variable “M” que es el número de nodos

en la capa oculta viendo como varia la resolución en la data de
entrenamiento y la data de prueba; para así poder escoger un
determinado valor M que nos de una resolución alta en los dos casos.

Entrenamiento Prueba
M Precision M Precision
40 0.93 40 0.93
45 0.94 45 0.93
50 0.94 50 0.94
55 0.95 55 0.94
60 0.94 60 0.94
70 0.95 70 0.94
75 0.95 75 0.95
80 0.95 80 0.94
85 0.95 85 0.94
100 0.95 100 0.95

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 5

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

Precision - Entrenamiento
0.952

0.95

0.948

0.946

0.944

0.942

0.94

0.938
0 20 40 60 80 100 120

Precision - Prueba
0.955

0.95

0.945

0.94

0.935

0.93

0.925
0 20 40 60 80 100 120

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 6

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

Conclusión:

- Según las gráficas, podemos apreciar que el valor mas apropiado

para M es de 100 dado que nos da una precisión de 0.95 para la
data de entrenamiento y 0.95 para la data de prueba

Conclusión Final:

- Análogamente hicimos para los demás casos de la funcion de

activación ( ‘tanh’, ‘identity’), comparando los 4 casos llegamos a
la conclusión de que la función de activación mas óptima debe ser
el ‘relu’; dado que su M es bajo lo que genera un tiempo de
procesamiento menor al de los demás casos con una alta
precisión en la data de entrenamiento como en la data de prueba.

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 7

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

VERIFICACION DE DIGITOS

Dado que ya tenemos el código optimizado, podemos reconocer digitos

mediante una imagen y verificarlos con la red multicapa optimizada.

Primer Dígito:

Segundo Dígito:

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 8

 PC1-PC2
INTELIGENCIA ARTIFICIAL MT 616

Tercer Dígito:

Cuarto Dígito:

Diseño de una planta embotelladora de bebidas rehidratantes de 700 ml Página 9