A continuación, se van a definir en una tabla las variables y funciones de Rstudio comunes a los tres programas implementados en esta parte y su función dentro de esta.
Variables comunes
Nombre Descripción
n_train Número de datos utilizados para el entrenamiento. n_validation Número de datos utilizados para la predicción.
n_data Número de datos totales utilizados en el experimento. l Variable para el valor del prior length scale
hidden_neurons Variable para el valor del número de neuronas en las capas ocultas.
n_epochs Variable para el valor del número de epochs. n_batch Variable para el valor de la dimensión del batch. MC_iterations Variable para el valor del número de iteraciones para aplicar Monte Carlo Dropout. learning_rate Variable para el valor del learning rate.
input_neurons Número de neuronas de entrada, correspondiente al número de entradas del modelo. MC_outputs Variable que almacena el proceso iterativo de Monte
Carlo Dropout.
means_mean_output Variable matriz con la salida de la media de predicciones de la red neuronal.
predictive_mean Variable vector que contiene las medias de las columnas de la variable means_mean_output.
epistemic_uncertainty_points Variable vector que contiene las varianza de las columnas de la variable means_mean_output. log_var Variable matriz con la salida de la varianza de cada
predicción de la red neuronal.
aleatoric_uncertainty_points Variable vector que contiene las medias de las columnas de la variable log_var.
global_uncertainty_points Variable que contiene la suma de las incertidumbres epistémica y aleatoria en cada punto. epistemic_uncertainty_model Variable que contiene la media de los valores de epistemic_uncertainty_points. aleatoric_uncertainty_model Variable que contiene la media de los valores de
CALIDAD DE LOS PORCESOS
Variables comunes
Nombre Descripción
global_uncertainty_model Variable que contiene la suma de las incertidumbres epistémica y aleatoria del modelo. graphics_frame
Variable que contiene las variables necesarias para representar los datos reales, la predicción del modelo y la región de incertidumbre.
density_dist_frame
Variable que contiene las variables necesarias para representar las funciones de densidad de las incertidumbres.
sd_epistemic, sd_aleatoric, sd_global
Variable que obtiene la desviación típica de las variables que contienen las varianzas.
Tabla 6.11. Variables comunes a todos los programas utilizados en la cuantificación de incertidumbre.
Notas:
• La variable aleatoric_uncertainty_points se calcula aplicando la exponencial a la variable log_var ya que la varianza es calculada mediante el logaritmo en la función objetivo de la red neuronal.
Funciones Rstudio comunes Nombre Descripción
source () Importación de las funciones definidas en otro archivo R. readline (prompt = ) Lectura de la línea de comandos de Rstudio.
as.numeric () Conversión de una variable string en double. as.data.frame () Conversión de una variable en data.frame. as.matrix () Conversión de una variable en matrix. as.array () Conversión de una variable en array. rnorm ()
Creación de un vector cuyos valores siguen una distribución Gaussiana. Se puede definir la longitud, media y desviación típica.
sample () Creación de un nuevo vector a partir de uno original cogiendo únicamente un porcentaje de datos impuesto. which () Da como salida los índices en los dos vectores contienen el
mismo elemento.
scale () Escala un vector con la media y desviación típica de todos sus elementos. print () Saca por pantalla tanto mensajes de texto como variables
del programa.
cbind () Genera una matriz por columnas. Cada vector introducido corresponde a una columna de la matriz.
load () Carga como variable un fichero del ordenador pasándole la ruta del directorio en el que se encuentra.
sqrt () Calculo de la raíz cuadrada. backend () Inicio de sesión Tensorflow GPU.
get_session () Conexión de la librería Tensorflow con la GPU del sistema. optimizer_adam () Modificación de las características del optimizador.
compile () Definición de los parámetros del compilador de la red neuronal.
Funciones Rstudio comunes Nombre Descripción
apply () Función que aplica otra función por filas o columnas, según se especifique. ggplot () Función que dibuja las variables elegidas de una variable
data.frame.
geom_point () Función que sobrepone en una función elegida. ggplot otra variable geom_ribbon () Función que sobrepone en una función entre dos variables elegidas. ggplot una región geom_density () Función que sobrepone en una función ggplot la forma de
reproducir una función de densidad.
ggarrange () Función que dibuja en la misma gráfica varios ggplot.
save.image () Función que guarda todas las variables utilizadas durante el programa.
save_model_hdf5 () Función que guarda el modelo de la red neuronal entrenado. read.csv () Función que lee un archivo de texto separado por comas y lo guarda en una variable que se puede utilizar. Tabla 6.12. Funciones implementadas en Rstudio que se han utilizado en la cuantificación de la incertidumbre.
6.3.3. Librerías
Durante la ejecución del programa es necesario introducir librerías del programa R para poder utilizar las funciones que tienen programadas. Estas librerías son:
Nombre Descripción
Keras Librería que agiliza la programación y el manejo de las redes neuronales. Tensorflow Librería que tiene una gran capacidad para mejorar el entrenamiento
de las redes neuronales.
Reshape Librería para poder agrupar los parámetros recogidos y presentarlos en gráficas comparativas.
Ggplot2 Librería para presentar los parámetros recogidos en gráficas comparativas. Ggpubr Librería que permite personalizar las gráficas de la librería ggplot2. Fitdistrplus Librería que permite realizar la regresión de datos con distribuciones teóricas.
CALIDAD DE LOS PORCESOS