Visualizador del proceso de aprendizaje de ciertas redes neuronales

Abstract

Este trabajo presenta el diseño e implementación de una herramienta de visualización para Redes de Estado Eco (Echo State Networks ESN). Las redes ESN son una clase de redes neuronales recurrentes conocidas por su capacidad para modelar dinámicas temporales complejas con una estructura de entrenamiento simplificada. La herramienta desarrollada permite a los usuarios visualizar la topología de la red, la activación de los nodos a lo largo del tiempo y la evolución del estado de la red durante el proceso de entrenamiento y evaluación. La herramienta de visualización desarrollada no solo ofrece una manera intuitiva de explorar las redes ESN, sino que también sirve como un recurso valioso para la educación y la investigación en redes neuronales recurrentes. Este trabajo contribuye al campo de la inteligencia artificial al proporcionar una plataforma accesible y efectiva para el análisis y comprensión de redes ESN. Para el desarrollo de la herramienta, se emplearon técnicas de visualización de datos avanzadas y librerías de código abierto como Reservoirpy y NetworkX.

This paper presents the design and implementation of a visualization tool for Echo State Networks (ESN). ESN are a class of recurrent neural networks known for their ability to model complex temporal dynamics with a simplified training structure. The developed tool allows users to visualize the topology of the network, the activation of the nodes over time and the evolution of the network state during the training and evaluation process. The developed visualization tool not only provides an intuitive way to explore ESN, but also serves as a valuable resource for education and research in recurrent neural networks. This work contributes to the field of artificial intelligence by providing an accessible and effective platform for the analysis and understanding of ESN. For the development of the tool, advanced data visualization techniques and open source libraries such as Reservoirpy and NetworkX were used.