El Perceptrón multicapa compacto con reducción dimensional por comparación en valores singulares para el reconocimiento de dígitos manuscritos

Resumen

El reconocimiento de patrones visuales mediante redes neuronales de tipo perceptrón multicapa se emplea en tareas con recursos limitado de cómputo, memoria y tiempo de entrenamiento. En este trabajo se implementa un método que aplica la descomposición por valores singulares (SVD) y se evalúan en un perceptrón multicapa (MLP), para clasificar imágenes de dígitos manuscritos de  píxeles. La SVD sirve a dos fines simultáneos; reduce la dimensionalidad al proyectar las imágenes sobre el subespacio singular dominante, y a la vez ofrece a la primera capa una inicialización determinista e interpretable. Un punto por considerar en el diseño experimental es la base singular se estima exclusivamente sobre la partición de entrenamiento y se aplica, sin recalcularse, a la de prueba; lo que evita por construcción la transferencia indebida de información entre particiones. La evaluación es realizada sobre una base de  imágenes de entrenamiento y  de prueba, balanceadas en diez clases; la SVD comprime la entrada a un intervalo comprendido entre el  y el  de su dimensión original e incluso superando la exactitud del modelo sin reducción, y disminuyendo de manera monótona la pérdida para la fase de prueba. El modelo alcanza una exactitud del  y un puntaje  macro de  con únicamente  parámetros entrenados, frente a los  de una arquitectura MLP equivalente sin reducción. La corrección de la retropropagación y la integridad del protocolo experimental se verifican numéricamente.