Redes Neuronales sobre grid computing librería de acceso libre

4.- Conclusiones
La programación de librerías en donde se puede incluir nuevas formas de formular una red neuronal es importante para el desarrollo de las redes neuronales. Así en este caso se ha desarrollado una librería de uso libre que corre sobre el ambiente de matlab y que puede ser modificada su código fuente en relación a las características de problema. Se ha probado su definición y sus resultados en base a su corrida directa sobre un computador como sobre varios computadores usando la tecnología grid a través de condor. La función tangencial usada para la activación de los perceptrones nos ha permitido tener una nueva clasificación en base a otras que se han corrido en los experimentos, e incluso se puede revisar las referencias en donde encontramos las clasificaciones con Part y C4.5 en [9].
Los efectos de la paralelización se han hecho sentir en el sistema de la red neuronal, en el tiempo e inclusive en el cálculo del error cuadrático. La disminución del error es fundamental y el tiempo de corrida (característica de la red neuronal ) fue disminuido a través de la tecnología de condor.
5. Trabajos futuros.
La presencia de la característica gráfica para Matlab y para la nueva librería Back, sería un trabajo fundamental, a tal punto que el usuario ingresaría datos sobre este nuevo entorno, caso contrarío todavía tendría que manipular el código interno. Por otro lado, las características de gráficos en matlab para condor todavía no han sido parte de este estudio, puesto que nos encontramos a prueba del ambiente gráfico del matlab a través de sus runtimes (posible solución al problema encontrado en la corrida de condor).
Para la segunda simulación sería de mucho interés proponer que no solamente se tome en cuenta el archivo de test para la red neuronal sino que también se pueda referir a testear la red neuronal en base a los mismos datos de entrenamiento y también la inclusión de otras funciones de activación. Así mismo en las próximas ediciones se puede tomar en cuenta los procesos para las redes neuronales autoorganizadas. Con respecto a grid computing se puede establecer la comprobación corriendo algunas redes neuronales sobre esta infraestructura para probar tiempos y resultados.