Enfoque
Se usaran redes neuronales artificiales de propagación hacia atras para resolver el problema.
Se tomará como punto de partida una base de datos con imagenes de incendios forestales.
Dominio del problema
Se usaran redes neuronales artificiales de propagación hacia atras para resolver el problema.
Se tomará como punto de partida una base de datos con imagenes de incendios forestales.
Se abarca de manera generar todas las etapas que se siguieron para llegar al resultado final, sin embargo, si se quiere indagar de forma exaustiva sobre la justificaicón del proyecto, las tecnicas usadas o los problemas resueltos recomendamos leer el documento tecnico.
Etapas para construir una base de datos adecuada
Debido a el dominio del problema nos vimos en la necesidad de modificar la DB.
Hicimos un software que extrajera automaticamente las caracteristicas deseadas.
Una vez obtenido la BD final redujimos las instancias de las clases predominantes.
Instancias
Clases
Atributos
Particiónes
Una vez creada la base de datos lo primero que hicimo fue una exploración general con diversas configuraciones, esto con el fin de dectectar en cuantas epocas los modelos entraban en overfiting y tambien tener un panorama general del margen de error de los modelos.
Programamos un algoritmo que nos ayudara con la tarea repetitiva de generar modelos con distintas configuraciones y obtener el margen de error de cada uno.
Obtuvimos el mejor modelo de cada experimento y sacamos la media y la desviación estándar de la precisión del conjunto de prueba.El mejor modelo que se pudo encontrar es:
La razón por la cual esta configuración se ha elegido es porque es la más cercana a la media e implica que este modelo es menos propenso a generaliza ni particulariza.
A pesar de las complicaciones que se tuvieron al momento de obtener un modelo de una RNA que identifique incendios forestales, podemos decir que se logró llegar a un resultado satisfactorio, ya que este logró un porcentaje de precisión aproximadamente del 93.1% sin estar en overfitting, aunque es posible que haya algún otro modelo con otra configuración de los hiperparámetros que de un mejor resultado ya que las combinaciones de diferentes valores de estos es muy grande, por no decir que son infinitos.
Preguntas Generales