Neural Network Programming with Java
Alan Souza, Fábio Soares
- Editorial
- Packt
- Año
- 2016
- Páginas
- ~191
- Nivel
- Intermedio
De qué trata
"Neural Network Programming with Java" es una guía técnica y práctica diseñada para desmitificar el funcionamiento interno de las redes neuronales implementándolas desde sus cimientos en lenguaje Java (compatible con Java 7 y 8). Alan Souza y Fábio Soares dirigen esta obra a desarrolladores e ingenieros de software con experiencia en el ecosistema Java que deseen adentrarse en el aprendizaje automático sin necesidad de cambiar a Python o R, asumiendo conocimientos sólidos de programación orientada a objetos y nociones elementales de álgebra lineal y cálculo.
En lugar de apoyarse en bibliotecas de terceros de caja negra, el libro enseña a programar desde cero las estructuras de datos fundamentales: clases para neuronas individuales (`Neuron`), capas (`NeuralLayer`), matrices de pesos sinápticos y funciones de activación continuas y discretas (Sigmoide, Tangente Hiperbólica y funciones lineales). Explica con detalle matemático y código Java el algoritmo de retropropagación (backpropagation), el descenso de gradiente estocástico, el manejo de tasas de aprendizaje con momento y la arquitectura de mapas autoorganizados (Self-Organizing Maps o redes de Kohonen) para tareas de agrupamiento no supervisado, además de métodos de optimización de hiperparámetros.
El núcleo didáctico del texto se consolida en cuatro casos de aplicación práctica reales donde se aplican las redes programadas: regresión para previsión climática, clasificación médica, segmentación de clientes y reconocimiento visual de patrones. Su principal valor radica en enseñar cómo fluyen exactamente los datos y los gradientes a través de clases Java modulares y legibles. Como contrapartida, al ser una edición de 2016 centrada en implementaciones en CPU pura, deja fuera el entrenamiento acelerado por GPU y frameworks modernos como Deeplearning4j o TensorFlow Java, siendo ideal como puente pedagógico para entender la mecánica algorítmica fundamental.
- Java
- Redes neuronales artificiales
- Perceptrón multicapa
- Backpropagation
- Mapas autoorganizados (SOM)
- Descenso de gradiente
- Reconocimiento de patrones
- Clasificación
- Regresión
- Clustering
¿Cómo enseña?
Con proyectos
- ✗ Sin ejercicios
- ✓ Incluye proyectos
Proyectos
Pronóstico meteorológico con perceptrón multicapa
Modelo de regresión en Java que procesa registros temporales de variables atmosféricas para predecir condiciones climáticas futuras mediante una red feedforward entrenada con retropropagación.
Clasificador para diagnóstico médico
Aplicación de clasificación supervisada en Java orientada a predecir diagnósticos de patologías a partir de registros clínicos tabulares y funciones de activación sigmoideas.
Segmentación de perfiles de clientes con mapas de Kohonen
Módulo de aprendizaje no supervisado que utiliza mapas autoorganizados (SOM) en Java para agrupar clientes según sus hábitos de consumo y características demográficas.
Reconocimiento óptico de caracteres y patrones (OCR)
Sistema de visión básica que procesa matrices de píxeles y patrones de caracteres tipográficos para clasificar e identificar texto mediante redes neuronales en Java.
