Redes Neuronales

Implementación de Redes Neuronales Artificiales en Haskell

César Augusto Acosta Minoli, Efraín Alberto Hoyos, Julián Marín

(Paper Publicado en Revista de Investigaciones Universidad del Quindío. Universidad del Quindío, v.14, p.133 - 146, 2004)

Resumen

En la actualidad, la gran mayoría del software de simulación y entrenamiento de redes neuronales es desarrollado mediante lenguajes imperativos como C, Fortran y Pascal. El presente artículo tiene como fin, presentar al lenguaje de programación funcional Haskell, como alternativa para la implementación de algoritmos de simulación y entrenamiento de redes neuronales aprovechando las potencialidades que este ofrece y sin recurrir al uso de arreglos e índices, los cuales son responsables de la poca eficiencia y expresividad de los algoritmos numéricos implementados en lenguajes funcionales. Se logró mostrar que es posible evitar el uso de arreglos e índices para la implementación de redes neuronales feedforward multicapa, generando un código claro, simple y corto en comparación con los lenguajes imperativos. Se encontró, cómo Haskell puede ser adecuado para la experimentación con nuevos algoritmos de entrenamiento de redes neuronales gracias a su similitud sintáctica con la matemática y las fortalezas del lenguaje. Se desarrolló una interfase en Haskell para que cualquier usuario pueda entrenar redes neuronales feedforward multicapa, sin tener un conocimiento profundo en programación funcional. El estudio comparativo con Matlab mostró que la librería de redes neuronales desarrollada en Haskell tiene un buen desempeño y se puede usar como cualquier otro simulador con fines experimentales y educativos.

Palabras Claves: Haskell, Redes Neuronales, Diseño e Implementación, Lenguajes funcionales, feedfordward multilayer.

Abstract

Nowadays, most of the software to train and simulate neural network is developed in languages like C, FORTRAN and Pascal. This article intends to show how Haskell, a functional programming language, can be used to build a library to train and simulate Feedforward Multilayer Neural Network with all the features and advantages that the language can offer. This implementation doesn't use arrays nor index, which are responsible for low efficiency and little expressiveness for some numeric algorithms implemented in that way when using functional programming. We find that Haskell can be useful to develop new algorithms to train neural networks due to its syntactic similarity to mathematics and its language strengths. Good results are obtained when comparing the Matlab Neural Network toolbox and the Haskell Neural Network library. The library in this proposal can be used for educational and experimental purposes.

Keywords: Haskell, Neural Networks, design and implementation, functional language, feedfordward multilayer.

"Learn at least one new [programming] language every year.

Different languages solve the same problems in different ways.

By learning several different approaches, you can help broaden

your thinking and avoid getting stuck in a rut."

The Pragmatic Programmer

Introducción

La programación funcional presenta una nueva alternativa para el diseño e implementación de algoritmos; muchos son los aspectos que muestran el poder de este tipo de programación. Actualmente existe una gran comunidad de científicos de la computación de diversas universidades y centros de investigación a nivel mundial mostrando resultados interesantes en diferentes campos . Este tipo de programación ofrece una forma diferente de razonar ante un problema computacional; como ejemplo

...