ICONIX - Gutierrez

Laboratorio virtual de
Redes Neuronales
Juli
an Esteban Guti
errez Posada
Ingeniero de Sistemas / Especialista en Inform
atica Educativa
Adscrito al
Programa de Ingeniera de Sistemas y Computaci
on
Facultad de Ingeniera
Universidad del Quindo
ii
Laboratorio virtual de redes neuronales

Esta permitida la reproduccion total o parcial
de esta obra, y/o su tratamiento o transmision por
cualquier metodo sin previa autorizacion del autor.
Derechos reservados
c Agosto de 2008
Este documento fue editado usando LATEX 2

Conceptos Graficos Ltda
Calle 19 13-30
Telefono: (6) 741 07 91 - 741 14 02
Armenia, Quindo
Armenia, Quindo - Colombia
Presentacion
El trabajo que tiene en sus manos, ha sido el resultado de muchas horas
de trabajo duro durante mi tiempo libre, tiempo que se ha invertido juiciosamente para producir un texto y un software Laboratorio Virtual de Redes
Neuronales que estoy seguro podran ayudar a los estudiantes y docentes
que se encuentren involucrados con las redes neuronales o con el desarrollo
de software.
No considero que sea un trabajo libre de mejoras o totalmente finalizado,
por el contrario, es un trabajo que abre un mundo nuevo de posibilidades,
tanto en el dise
no de soluciones con redes neuronales, como en la didactica
en el aula de clase.
El presente documento pretende no solo mostrar el analisis, el dise
no,
la implementacion, las pruebas del software y las guas de laboratorio, sino
que pretende servir de modelo para el desarrollo de software utilizando el
proceso de desarrollo ICONIX (explicado mas adelante).
Por otro lado, no veo el software desarrollado como un software educativo, sino mas bien, como una herramienta de apoyo a la proceso de ense
nanza
/ aprendizaje de redes neuronales. En ella, los estudiantes podran manipular neuronas y conectarlas entre s, para construir cualquier topologa o
arquitectura que deseen y finalmente implementar los algoritmos de aprendizaje.
El laboratorio virtual no tiene creadas las diferentes redes neuronales,
sino que brinda un entorno para que el estudiante construya estas redes por
medio del software.
Antes de terminar la presentaci
on, me gustara decir que los laboratorios planteados pueden ser usados como modelos para que los docentes
involucrados puedan crear sus propios laboratorios, o como actividades de
exploracion inicial antes de resolver otros mas complejos.
iv
Indice general
EL PROYECTO
1. INTRODUCCION
1.1. Proceso de desarrollo ICONIX . . . . . . . . . . . . . . . . .
2. ANALISIS
DE REQUERIMIENTOS
5
9
2.1. Documento de requerimientos . . . . . . . . . . . . . . . . . .
2.2. Tecnica de identificacion . . . . . . . . . . . . . . . . . . . . .
12
2.2.1. Lista de clases candidatas . . . . . . . . . . . . . . . .
13
2.2.2. Eliminacion de algunas clases candidatas . . . . . . .
13
2.2.3. Lista definitiva de clases candidatas . . . . . . . . . .
14
2.2.4. Relaciones entre las clases candidatas . . . . . . . . .
15
2.2.5. Lista de verbos . . . . . . . . . . . . . . . . . . . . . .
15
2.3. Modelo del dominio
. . . . . . . . . . . . . . . . . . . . . . .
15
2.4. Prototipo de las interfaces graficas . . . . . . . . . . . . . . .
18
2.5. Diagramas de Casos de Uso . . . . . . . . . . . . . . . . . . .
40
2.6. Revision de requerimientos (RR) . . . . . . . . . . . . . . . .
42
INDICE GENERAL
vi
PRELIMINAR
3. ANALISIS
Y DISENO
45
3.1. Descripcion de los casos de uso . . . . . . . . . . . . . . . . .
45
3.1.1. Paquete archivo . . . . . . . . . . . . . . . . . . . .
46
3.1.2. Paquete neurona de entrada . . . . . . . . . . . . .
49
3.1.3. Paquete neurona de retardo
. . . . . . . . . . . . .
60
3.1.4. Paquete neurona de proceso . . . . . . . . . . . . . .
80
3.1.5. Paquete red neuronal . . . . . . . . . . . . . . . . . 114

3.2. Diagramas de robustez . . . . . . . . . . . . . . . . . . . . . . 123
3.2.1. Paquete archivo . . . . . . . . . . . . . . . . . . . . 125
3.2.2. Paquete neurona de entrada . . . . . . . . . . . . . 127
3.2.3. Paquete neurona de retardo . . . . . . . . . . . . . . 135
3.2.4. Paquete neurona de proceso . . . . . . . . . . . . . . 150
3.3. Actualizacion del modelo del dominio . . . . . . . . . . . . . 178
3.4. Revision del dise
no preliminar (PDR) . . . . . . . . . . . . . 183
4. DISENO
185
4.1. Diagramas de secuencia . . . . . . . . . . . . . . . . . . . . . 185

4.1.1. Paquete archivo . . . . . . . . . . . . . . . . . . . . 187
4.1.2. Paquete neurona de entrada . . . . . . . . . . . . . 191
4.1.3. Paquete neurona de retardo . . . . . . . . . . . . . . 204
4.1.4. Paquete neurona de proceso . . . . . . . . . . . . . . 229
4.2. Diagrama de clases . . . . . . . . . . . . . . . . . . . . . . . . 280
4.3. Revision crtica del dise
no (CDR) . . . . . . . . . . . . . . . . 288
INDICE GENERAL
vii
5. IMPLEMENTACION
5.1. Comentarios cortos . . . . . . . . . . . . . . . . . .
5.2. Particularidades de la implementaci
on . . . . . . .
5.2.1. Definir nuevo monitor a neurona de entrada
5.2.2. Crear monitor a neurona de entrada . . . .
5.3. Plantillas para generar codigo . . . . . . . . . . . .
5.3.1. Aplicacion . . . . . . . . . . . . . . . . . . .
5.3.2. Funcion Base . . . . . . . . . . . . . . . . .
5.3.3. Funcion de activaci
on . . . . . . . . . . . .
5.3.4. Funcion de transferencia . . . . . . . . . . .
5.3.5. Manifest . . . . . . . . . . . . . . . . . . . .
5.3.6. Monitor a neurona de entrada . . . . . . . .
5.3.7. Monitor a neurona de proceso . . . . . . . .
5.3.8. Monitor a neurona de retardo . . . . . . . .
5.3.9. Neurona de retardo (Valor Futuro) . . . . .
5.3.10. Red Neuronal . . . . . . . . . . . . . . . . .
6. PRUEBAS
6.1. Listado de los casos de prueba . . . . . . . . .
6.2. Pruebas en DiscoLaboratorioVirtualRNATest
6.3. Pruebas en DiscoTest . . . . . . . . . . . . . .
6.4. Pruebas en ListaDeNeuronasTest . . . . . . .
6.5. Pruebas en ListaDeRedesNeuronalesTest . .
6.6. Pruebas en ListaDeVariablesTest . . . . . .
6.7. Pruebas en FuncionEscalonBipolarTest . . .
6.8. Pruebas en FuncionEscalonUnipolarTest . .
6.9. Pruebas en FuncionIdentidadTest . . . . . .
6.10. Pruebas en FuncionLinealMixtaBipolarTest
6.11. Pruebas en FuncionLinealMixtaUnipolarTest
6.12. Pruebas en FuncionSigmoidalBipolarTest . .
6.13. Pruebas en FuncionSigmoidalUnipolarTest .
6.14. Pruebas en FuncionBaseLinealTest . . . . . .
6.15. Pruebas en FuncionBaseRadicalTest . . . . .
6.16. Pruebas en FuncionDeActivacionTest . . . .
6.17. Pruebas en FuncionDeTransferenciaTest . .
6.18. Pruebas en NeuronaDeEntradaTest . . . . . .
6.19. Pruebas en NeuronaDeProcesoTest . . . . . .
6.20. Pruebas en NeuronaDeRetardoTest . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
291
. 292
. 293
. 293
. 294
. 296
. 296
. 297
. 298
. 299
. 299
. 300
. 301
. 302
. 303
. 304
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
305
. 307
. 310
. 325
. 329
. 331
. 332
. 342
. 343
. 344
. 346
. 347
. 348
. 350
. 351
. 353
. 355
. 361
. 366
. 368
. 383
INDICE GENERAL
viii
II
LABORATORIOS
393
7. GUIAS DE LABORATORIOS (ESTUDIANTE)

7.1. Instalacion del entorno de trabajo
395
. . . . . . . . . . . . . . . 397
7.2. Una neurona de entrada . . . . . . . . . . . . . . . . . . . . . 401

7.3. Una neurona de retardo . . . . . . . . . . . . . . . . . . . . . 407
7.4. Una neurona de proceso . . . . . . . . . . . . . . . . . . . . . 413
7.5. Red monocapa con conexiones hacia adelante . . . . . . . . . 419
7.6. Red multicapa con conexiones hacia adelante . . . . . . . . . 423
7.7. Red monocapa con retroalimentaci
on . . . . . . . . . . . . . . 427
8. GUIAS DE LABORATORIOS (DOCENTE)
8.1. Instalacion del entorno de trabajo
431
. . . . . . . . . . . . . . . 433
8.2. Una neurona de entrada . . . . . . . . . . . . . . . . . . . . . 435

8.3. Una neurona de retardo . . . . . . . . . . . . . . . . . . . . . 441
8.4. Una neurona de proceso . . . . . . . . . . . . . . . . . . . . . 447
8.5. Red monocapa con conexiones hacia adelante . . . . . . . . . 453
8.6. Red multicapa con conexiones hacia adelante . . . . . . . . . 457
8.7. Red monocapa con retroalimentaci
on . . . . . . . . . . . . . . 461
8.8. Proyectos de programacion . . . . . . . . . . . . . . . . . . . 465
BIBLIOGRAF
IA
467
Parte I
EL PROYECTO
INTRODUCCION
La idea fundamental de este trabajo es crear un software que sirva como material de apoyo a el curso Inteligencia Artificial del programa de
Ingeniera de Sistemas y Computacion de la Universidad del Quindo u otro
curso similar en esta u otra universidad.
Como en todo desarrollo de un software, primero se parte de una serie
de requerimientos, los cuales no son mas que una vista muy abstracta de lo
que el software hace y el fin es llevar estos requerimientos a un codigo fuente
en un lenguaje de programacion determinado. Este codigo fuente no es mas
que la vista con el menor grado de abstraccion del proyecto, en la cual debe
quedar muy claro el como se satisfacen todos los requerimientos planteados.
En esta parte El proyecto, el proposito fundamental es mostrar como
partiendo de los requerimientos se llega un codigo fuente acorde con ellos.
Para hacer esto, es necesario seguir un proceso de desarrollo de software, el
cual ayude a pasar suavemente entre los diferentes niveles de abstraccion del
proyecto, ver Figura 1.1.

CAPITULO 1. INTRODUCCION
Figura 1.1: Niveles de abstraccion de un proyecto de software

Estos diferentes niveles de abstraccion que se han mencionado, se ven
durante el ciclo de vida de un producto de software. En muchos casos el ciclo
de vida de un producto de software (PLC1 ), se suele subdividir en etapas como: analisis, dise
no, implementaci
on, pruebas, implantaci
on, mantenimiento
y soporte.
La etapa del analisis, consiste en comprender el problema que se desea resolver; en la etapa de dise
no, se especifica y detalla la solucion del
problema comprendido; en la etapa de implementaci
on, se crea un producto
acorde con la especificacion hecha; en la etapa de pruebas, se verifica que el
producto cumple con toda la especificacion; en la etapa de implantaci
on, se
hace disponible el producto a los clientes; en la etapa de mantenimiento, el
objetivo es realizar mejoras al producto; finalmente y no menos importante,
se encuentra la etapa de soporte, en la cual se le brinda ayuda al usuario en
todas las dificultades que llegara a tener mientras utiliza el producto final,
ver Figura 1.2.
Product Life Cycle
1.1. PROCESO DE DESARROLLO ICONIX
Figura 1.2: Ciclo de vida de un producto de software (PLC)

Para este desarrollo en particular, solo nos interesan las etapas de: analisis, dise
no, implementacion y pruebas. Un proceso de desarrollo de software que se centra especialmente en estas cuatro primeras etapas, se llama
ICONIX2 .
1.1.
Proceso de desarrollo ICONIX
Entre las caractersticas mas importantes de ICONIX [17] y [16] se encuentran: el permitir pasar de los requerimientos a codigo fuente de una
manera rapida y eficiente; usar diagramas de UML3 ; permitir el seguimiento de los requerimientos por todas las etapas del proceso; poseer un ciclo
de vida iterativo e incremental; y tener en cuenta todos los requerimientos
funcionales en el dise
no.
ICONIX se divide en las etapas de: analisis de requerimientos, analisis
y dise
no preliminar, dise
no, e implementaci
on y pruebas.
La etapa de analisis de requerimientos, cubre los numerales del uno
al seis que se muestran en la Figura 1.3. Estos numerales son: realizacion
del documento de requerimientos, tecnica para identificar las clases y/o los
objetos candidatos, construccion del modelo del dominio, bosquejo de todas
las interfaces graficas de usuario (GUI4 ), construccion del diagrama de casos
de uso, y finalmente una revision de requerimientos.
2
www.iconixsw.com
Unified Modeling Language - Lenguaje Unificado de Modelamiento
4
Graphical User Interface
3
Figura 1.3: Proceso de desarrollo ICONIX
1.1. PROCESO DE DESARROLLO ICONIX
La etapa de analisis y dise

no preliminar, cubre los numerales del siete
al diez que se muestran en la Figura 1.3. Estos numerales son: Construccion
de los textos descriptivos de los casos de uso, elaboracion de un diagrama
de robustez por cada caso de uso, actualizacion del modelo del dominio, y
finalmente una revision del dise
no preliminar.
La etapa de dise
no, cubre los numerales del once al trece que se muestran en la Figura 1.3. Estos numerales son: construccion de un diagrama de
secuencia por cada caso de uso, realizacion de la segunda actualizacion del
modelo del dominio (diagrama de clases), y finalmente una revision crtica
del dise
no. En esta etapa, tambien se pueden elaborar de ser necesarios, los
diagramas de colaboracion, estados y actividad.
La etapa final, la de implementaci
on y pruebas, no se encuentra muy
detallada en ICONIX[17], pero si lo estan en ICONIX[16] escrito este a
no
2007.
En el momento no se explicaran con mayor detalle cada uno de los
numerales citados en las etapas del proceso ICONIX, sin embargo ellos seran
desarrollados de aqu en adelante.
ANALISIS
DE REQUERIMIENTOS
2.1.
Documento de requerimientos
Desarrollar un laboratorio virtual de redes neuronales, el cual permita

trabajar con neuronas de procesamiento, neuronas de retardo (Z 1 ), neuronas de entrada y agrupacion de neuronas (redes neuronales). Tambien
debe permitir generar programas que se ejecuten por fuera del laboratorio
y disponer de monitores por los cuales se puedan observar los cambios realizados en neuronas de proceso, neuronas de retardo o neurona de entrada.
Las neuronas de procesamiento deben tener externamente unas entradas
y una u
nica salida, internamente cada neurona de procesamiento, posee asociado un factor o peso por cada entrada, una funcion base, una funcion de
activacion, y una funcion de transferencia, ver Figura 2.1 y los Cuadros 2.1
y 2.2.
Una funcion base, relaciona los pesos y las entradas, su valor de salida
se conoce como potencial de activaci
on (T). Esta relacion entre los pesos y
las entradas, se puede realizar por medio de una funcion base lineal, una
funcion base radical u otra definida por el usuario.
Una funcion de activacion, cuya salida se conoce como valor de activacion (A); y la funcion de transferencia, cuya salida corresponde al valor
10
CAPITULO 2. ANALISIS
DE REQUERIMIENTOS
de salida (S) de la neurona de proceso; son funciones matematicas las cuales

pueden ser: funcion sigmoidal unipolar, funcion sigmoidal bipolar, funcion
lineal mixta unipolar, funcion lineal mixta bipolar, funcion escalon unipolar,
funcion escalon bipolar, funcion identidad, u otra definida por el usuario. Ver
Cuadro 2.2.
Cada neurona de proceso tambien dispone de un umbral de activaci
on
el cual es considerado una entrada mas a la funcion base pero interno.
Funci
on base lineal
T =
n
X
e i wi
i=0
Funci
on base radical
v
u n
uX
T =t
(ei wi )2
i=0
Tabla 2.1: Lista de funciones base
Figura 2.1: Neurona de proceso

Las neuronas de retardo (Z 1 ), conservan un valor de salida hasta que
reciben una se
nal la cual hace que ellas actualicen dicho valor de salida por
otro valor, el de entrada, ver Figura 2.2).
Figura 2.2: Neurona de retardo

Las neuronas de entrada, toman valores fijos y los distribuyen a otras
neuronas que lo soliciten, ver Figura 2.3.
Por otro lado, las redes neuronales definen una forma de conexion de
2.1. DOCUMENTO DE REQUERIMIENTOS
Funci
on identidad
11
f (x) = x
(
1
0
si x 0
si x < 0
Funci
on escal
on unipolar
f (x) =
Funci
on escal
on bipolar
f (x) =
1
1
Funci
on sigmoidal unipolar
f (x) =
1
1 + ex
Funci
on sigmoidal bipolar
f (x) =
Funci
on lineal mixta unipolar
Funci
on lineal mixta bipolar
u otra definida por el usuario
si x 0
si x < 0
ex ex
ex + ex
si x > 1
1
0
si x < 1
f (x) =
x + 0,5 en otro caso

2
si x > 1
1
1 si x < 1
f (x) =
x
en otro caso
f (x) = g(x)
Tabla 2.2: Lista de funciones de activaci

on o transferencia
Figura 2.3: Neurona de entrada

las neuronas (topologa) y un algoritmo de entrenamiento (algoritmo para
modificar el peso de las conexiones seg
un alg
un criterio predefinido). Algunas redes neuronales [18] son: Perceptron, Perceptron multinivel, Adaline,
Madaline, Hopfield y Backpropagation.
Las funcionalidades que debe tener el laboratorio virtual sobre cada uno
de los elementos son:
Sobre el laboratorio: Iniciar laboratorio, cargar laboratorio, guardar

laboratorio.
12
DE REQUERIMIENTOS
Sobre las neurona de entrada: Crear neurona, obtener nombre,
obtener valor de salida, asignar valor de salida, crear monitor, asignar
monitor, desasignar monitor, definir nuevo monitor o cargarlo.
Sobre las neurona de retardo: Crear neurona, obtener nombre,
obtener valor de salida, asignar valor de salida, actualizar valor presente, obtener valor futuro, actualizar valor futuro, definir nuevo valor
futuro o cargarlo, enlazar neurona, desenlazar neurona, obtener estado
enlace, obtener con quien se relaciona, obtener nombre de la neurona
enlazada, crear monitor, asignar monitor, desasignar monitor, definir
nuevo monitor o cargarlo.
Sobre las neurona de proceso: Crear neurona, obtener nombre,
obtener n
umero de entradas, enlazar neurona, desenlazar neurona, obtener estado de un enlace, obtener con quien se relaciona, obtener
nombre de la neurona enlazada, obtener peso enlace, cambiar peso
enlace, obtener funcion base, cambiar funcion base, definir nueva funcion base o cargarla, obtener funcion de activaci
on, cambiar funcion
de activacion, definir nueva funcion de activaci
on o cargarla, obtener
funcion de transferencia, cambiar funcion de transferencia, definir nueva funcion de transferencia o cargarla, obtener umbral de activaci
on,
cambiar umbral de activaci
on, obtener potencial de activaci
on, obtener valor de activacion , obtener valor de salida, crear monitor, asignar
monitor, desasignar monitor, definir nuevo monitor o cargarlo.
Sobre la red neuronal: Crear red, obtener nombre, definir nueva
red neuronal o cargarla, ejecutar red, generar aplicacion.
2.2.
T
ecnica de identificaci
on
La tecnica que se va a utilizar para la identificaci

on de clases y objetos
candidatos es la llamada Descripcion informal, la cual consiste en redactar una descripcion del problema (o de una parte de el - Ver requerimientos
en la pagina 9), para luego subrayar de dicha descripcion los sustantivos y
los verbos. Los sustantivos mas relevantes se convierten en clases u objetos, mientras que los verbos clave se convierten en las funcionalidades del
software (los casos de uso). Esta identificaci
on de sustantivos y verbos no
tiene porque ser exhaustiva, lo importante es identificar los elementos mas
relevantes en el texto.
2.2. TECNICA
DE IDENTIFICACION
13
La tecnica de Descripcion informal se presta para la automatizacion,

es facil de aplicar y no requiere mucha experiencia, pero es poco rigurosa y
dependiente de la redaccion, lo cual la hace poco apta para problemas de
gran tama
no.
2.2.1.
Lista de clases candidatas
En primera instancia se obtiene una lista de los sustantivos (palabras o

frases cortas que hagan de sustantivos) presentes en la descripcion (Ver la
Tabla 2.3). Hay que resaltar el hecho que en este punto no importa si dichos
sustantivos son o no importantes para el sistema que se desea construir.
CLASES CANDIDATAS
laboratorio virtual
red neuronal
neurona
neurona de procesamiento
neurona de retardo
neurona de entrada
agrupaci
on de neuronas
monitor
monitor de neurona de proceso monitor de neurona de retardo
monitor de neurona de entrada entradas
salida
factor
peso
funci
on base
potencial de activaci
on
lineal
funci
on base radical
usuario
funci
on de activaci
on
valor de activaci
on
funci
on matem
atica
funci
on de activaci
on
valor de salida
funci
funci
funci
funci
funci
on escal
on unipolar
funci
on escal
on bipolar
funci
on identidad
umbral de activaci
on
se
nal
valor de entrada
forma de conexi
on
topologa
algoritmo de entrenamiento
conexiones
criterio predefinido
red perceptron
red perceptron multinivel
red adaline
red madaline
red hopfield
red backpropagation
Tabla 2.3: Lista de clases candidatas
2.2.2.
Eliminaci
on de algunas clases candidatas
Ahora se procede a realizar la eliminacion de algunos de los sustantivos

de la Tabla 2.3, los cuales se presumen no son importantes para el sistema
que se desea construir (Ver Tabla 2.4).

DE REQUERIMIENTOS
14
SUSTANTIVO
agrupaci
on de neuronas
entradas
salida
factor
peso
on
usuario
valor de activaci
on
valor de salida
se
nal
valor de entrada
forma de conexi
on
topologa
algoritmos de entrenamiento
conexiones
criterio predefinido
umbral de activaci
on
por
por
por
por
por
por
por
por
por
por
por
por
por
por
por
por
por
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
ser
DE ELIMINACION
RAZON
sin
onimo de red neuronal
un posible atributo
un posible atributo
un posible atributo
sin
onimo de factor
un posible atributo
un posible actor
un posible atributo
un posible atributo
irrelevante
un posible atributo
sin
onimo de topologa
irrelevante
irrelevante
un posible atributo
irrelevante
un posible atributo
Tabla 2.4: Eliminaci

on de algunas clases candidatas
2.2.3.
Lista definitiva de clases candidatas
En la Tabla 2.5 se puede observar la lista resultante despues de eliminar

los sustantivos citados en la Tabla 2.4.
La idea ahora es buscar las posibles relaciones que hay entre los sustantivos resultantes.
CLASES CANDIDATAS
red neuronal
laboratorio virtual
neurona de procesamiento
neurona de retardo
neurona de entrada
monitor
monitor de neurona de proceso monitor de neurona de retardo
monitor de neurona de entrada funci
on base
funci
on base lineal
funci
on base radical
funci
on de activaci
on
funci
on de activaci
on
funci
on matem
atica
funci
funci
funci
funci
funci
on escal
on unipolar
funci
on escal
on bipolar
funci
on identidad
red perceptron
red perceptron multinivel
red adaline
red madaline
red hopfield
red backpropagation
neurona
Tabla 2.5: Lista definitiva de clases candidatas
2.3. MODELO DEL DOMINIO
2.2.4.
15
Relaciones entre las clases candidatas
Las relaciones a identificar son:

Las generalizaciones (es un o es una clase de),
la agregacion (es una parte de o esta compuesto por),
o cualquier otra relacion (asociaciones).
Ver Tabla 2.6.
2.2.5.
Lista de verbos
La idea ahora es tomar la descripcion del problema e identificar los

verbos con una peque
na frase que le de un contexto de accion, en este caso, se
pueden observar estos elementos en la lista de funcionalidades presentadas en
la pagina 11. Hay que resaltar el hecho que lo que se identifique se convierte
posteriormente en los casos de uso del sistema, ver pagina 40.
2.3.
Modelo del dominio
El modelo del dominio no es mas que un diagrama de clases sin ning

un
tipo de detalle (sin atributos, sin metodos, . . .), en el cual se pueden ver graficamente todas las relaciones identificadas en la Tabla 2.6. Ver el diagrama
resultante en la Figura 2.4.
16
DE REQUERIMIENTOS
CLASES
un laboratorio virtual
un laboratorio virtual
una red neuronal
una neurona de procesamiento
una neurona de retardo
una neurona de entrada
una neurona de proceso
una neurona
una f. base lineal
una f. base radical
una f. de activaci
on
una f. de transferencia
una f. sigmoidal unipolar
una f. sigmoidal bipolar
una f. lineal mixta unipolar
una f. lineal mixta bipolar
una f. escal
on unipolar
una f. escal
on bipolar
una f. identidad
un monitor de n. de proceso
un monitor de n. de retardo
un monitor de n. de entrada
un monitor de n. de proceso
un monitor de n. de retardo
un monitor de n. de entrada
una red perceptron
una red perceptron multinivel
una red adaline
una red madaline
una red hopfield
una red backpropagation
RELACION
tiene
tiene
tiene
es una
es una
es una
tiene
tiene
tiene
se relaciona
es una
es una
es una
es una
es una
es una
es una
es una
es una
es una
es una
es un
es un
es un
monitorea
monitorea
monitorea
es una
es una
es una
es una
es una
es una
CLASES
neuronas de . . .
monitor de n. de . . .
neuronas
neurona
neurona
neurona
una f. base
una f. de activaci
on
una f. de transferencia
con otra neurona
funci
on base
funci
on base
funci
on matem
atica
funci
on matem
atica
funci
on matem
atica
funci
on matem
atica
funci
on matem
atica
funci
on matem
atica
funci
on matem
atica
funci
on matem
atica
funci
on matem
atica
monitor
monitor
monitor
una neurona de retardo
una neurona de entrada
red neuronal
red neuronal
red neuronal
red neuronal
red neuronal
red neuronal
Tabla 2.6: Relaciones entre las clases candidatas
2.3. MODELO DEL DOMINIO
Figura 2.4: Modelo del dominio
17
18
2.4.
DE REQUERIMIENTOS
Prototipo de las interfaces gr

aficas
En la Figura 2.5, se puede observar el prototipo de la Ventana Principal en la cual el usuario debe elegir que accion desea hacer en el sistema,
tal y como se explicara mas adelante. Inicialmente todas las opciones del
men
u principal permanecen desactivadas, salvo las opciones de Archivo y
Acerca de.
Figura 2.5: Ventana Principal

En la Figura 2.6, se observan las alternativas de la opcion Archivo
de la Ventana Principal. Inicialmente la opcion Guardar laboratorio
permanece desactivada.
Figura 2.6: Ventana Principal opcion -Archivo-

2.4. PROTOTIPO DE LAS INTERFACES GRAFICAS
19
En la Figura 2.7, se observa el prototipo de la Ventana Nuevo Laboratorio, la cual se muestra cuando el usuario selecciona la alternativa Iniciar
laboratorio de la opcion Archivo en la Ventana Principal.
Figura 2.7: Ventana Nuevo Laboratorio

En la Figura 2.8, se observa el prototipo del dialogo de Cargar archivos,
el cual se muestra cuando el usuario selecciona la alternativa Cargar laboratorio de la opcion Archivo en la Ventana Principal.
Figura 2.8: Dialogo de Cargar archivos
20
DE REQUERIMIENTOS
En la Figura 2.9, se observa el prototipo del dialogo de Guardar laboratorio, el cual se muestra cuando el usuario selecciona la alternativa de
igual nombre de la opcion Archivo en la Ventana Principal.
Figura 2.9: Di
alogo de Guardar como
En la Figura 2.10, se observan las alternativas de la opcion Neurona de
Entrada de la Ventana Principal. Por defecto solo las alternativas Crear
neurona, Crear monitor y Definir nuevo monitor se encuentran activas.
Figura 2.10: Ventana Principal opcion -Neurona de Entrada-

21
En la Figura 2.11, se observa el prototipo de la Ventana Crear Neurona, la cual se muestra cuando el usuario selecciona la alternativa de igual
nombre de la opcion Neurona de entrada en la Ventana Principal.
Figura 2.11: Ventana Crear Neurona

En la Figura 2.12, se observa el prototipo de la Ventana Obtener Nombre, la cual se muestra cuando el usuario selecciona la alternativa de igual
Figura 2.12: Ventana Obtener Nombre

En la Figura 2.13, se observa el prototipo de la Ventana Obtener Valor
de Salida, la cual se muestra cuando el usuario selecciona la alternativa de
igual nombre de la opcion Neurona de entrada en la Ventana Principal.
Figura 2.13: Ventana Obtener Valor de Salida
22
DE REQUERIMIENTOS
En la Figura 2.14, se observa el prototipo de la VentanaAsignar Valor

Figura 2.14: Ventana Asignar Valor de Salida

En la Figura 2.15, se observa el prototipo de la Ventana Crear Monitor, la cual se muestra cuando el usuario selecciona la alternativa de igual
Figura 2.15: Ventana Crear Monitor

En la Figura 2.16, se observa el prototipo de la Ventana Asignar Monitor, la cual se muestra cuando el usuario selecciona la alternativa de igual
Figura 2.16: Ventana Asignar Monitor

23
En la Figura 2.17, se observa el prototipo de la Ventana Desasignar

Monitor, la cual se muestra cuando el usuario selecciona la alternativa de
Figura 2.17: Ventana Desasignar Monitor

En la Figura 2.18, se observa el prototipo de la Ventana Definir Nuevo
Monitor, la cual se muestra cuando el usuario selecciona la alternativa de
Figura 2.18: Ventana Definir Nuevo Monitor
24
DE REQUERIMIENTOS

Retardo de la Ventana Principal. Por defecto solo las alternativas Crear
Figura 2.19: Ventana Principal opcion -Neurona de RetardoEn la Figura 2.20, se observa el prototipo de la Ventana Crear Neurona
de Retardo, la cual se muestra cuando el usuario selecciona la alternativa de
igual nombre de la opcion Neurona de retardo en la Ventana Principal.
Figura 2.20: Ventana Crear Neurona de Retardo

nombre de la opcion Neurona de retardo en la Ventana Principal.

25
En la Figura 2.14, se observa el prototipo de la Ventana Asignar Valor

La alternativa Actualizar valor presente utiliza solo un dialogo de
informacion (Figura 2.60).
En la Figura 2.21, se observa el prototipo de la Ventana Actualizar
Valor Presente, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de retardo en la Ventana
Principal.
Figura 2.21: Ventana Actualizar Valor Presente

Futuro, la cual se muestra cuando el usuario selecciona la alternativa de
En las Figuras 2.12, 2.13, 2.14, 2.60, 2.22 se observan los prototipos de
las Ventanas Obtener Nombre, Obtener Valor de Salida, Asignar Valor
de Salida, Actualizar valor presente y Obtener Valor Futuro respectivamente, las cuales se muestran cuando el usuario selecciona la alternativa de
Figura 2.22: Ventana Obtener Valor Futuro

En la Figura 2.23, se observa el prototipo de la Ventana Actualizar Valor Futuro, la cual se muestra cuando el usuario selecciona la alternativa de
26
DE REQUERIMIENTOS
Figura 2.23: Ventana Actualizar Valor Futuro

En la Figura 2.24, se observa el prototipo de la Ventana Definir Nuevo
Valor Futuro, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de retardo en la Ventana
Principal.
Figura 2.24: Ventana Definir Nuevo Valor Futuro

En la Figura 2.25, se observa el prototipo de la Ventana Enlazar Neurona, la cual se muestra cuando el usuario selecciona la alternativa de igual
nombre de la opcion Neurona de retardo en la Ventana Principal.
Figura 2.25: Ventana Enlazar Neurona

27
En la Figura 2.26, se observa el prototipo de la Ventana Desenlazar

Neurona, la cual se muestra cuando el usuario selecciona la alternativa de
Figura 2.26: Ventana Desenlazar Neurona

En la Figura 2.27, se observa el prototipo de la Ventana Obtener Estado
del Enlace, la cual se muestra cuando el usuario selecciona la alternativa de
Figura 2.27: Ventana Obtener Estado del Enlace

En la Figura 2.28, se observa el prototipo de la Ventana Obtener con
quien se Relaciona, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de retardo en la Ventana
Principal.
Figura 2.28: Ventana Obtener con quien se Relaciona

En la Figura 2.29, se observa el prototipo de la Ventana Obtener Nombre de la Neurona Enlazada, la cual se muestra cuando el usuario selecciona
la alternativa de igual nombre de la opcion Neurona de retardo en la
Ventana Principal.
28
DE REQUERIMIENTOS
Figura 2.29: Ventana Obtener Nombre de la Neurona Enlazada

En las figuras 2.15, 2.16, 2.17 y 2.18, se observan los prototipos de las
ventanas relacionadas con los monitores, las cuales se muestran cuando el
usuario selecciona la alternativa de igual nombre de la opcion Neurona de
retardo en la Ventana Principal.
Proceso de la Ventana Principal. Por defecto solo las alternativas Crear
Figura 2.30: Ventana Principal opcion -Neurona de Proceso-

29
En la Figura 2.31, se observa el prototipo de la Ventana Crear Neurona

de Proceso, la cual se muestra cuando el usuario selecciona la alternativa de
igual nombre de la opcion Neurona de proceso en la Ventana Principal.
Figura 2.31: Ventana Crear Neurona de Proceso

nombre de la opcion Neurona de proceso en la Ventana Principal.
En la Figura 2.32, se observa el prototipo de la Ventana Obtener
N
umero de Entradas, la cual se muestra cuando el usuario selecciona la
alternativa de igual nombre de la opcion Neurona de proceso en la Ventana Principal.
Figura 2.32: Ventana Obtener N

umero de Entradas
En la Figura 2.33, se observa el prototipo de la Ventana Enlazar Neurona en una Entrada, la cual se muestra cuando el usuario selecciona la
Figura 2.33: Ventana Enlazar Neurona en una Entrada
30
DE REQUERIMIENTOS
En la Figura 2.34, se observa el prototipo de la Ventana Desenlazar

Neurona en una Entrada, la cual se muestra cuando el usuario selecciona
la alternativa de igual nombre de la opcion Neurona de proceso en la
Ventana Principal.
Figura 2.34: Ventana Desenlazar Neurona en una Entrada

En la Figura 2.35, se observa el prototipo de la Ventana Obtener Estado
de una Entrada, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de proceso en la Ventana
Principal.
Figura 2.35: Ventana Obtener Estado de una Entrada

En la Figura 2.28, se observa el prototipo de la Ventana Obtener con
quien se Relaciona, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de proceso en la Ventana
Principal.
En la Figura 2.36, se observa el prototipo de la Ventana Obtener Nombre de una Neurona Enlazada, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de proceso en
la Ventana Principal.
Figura 2.36: Ventana Obtener Nombre de una Neurona Enlazada

31
En la Figura 2.37, se observa el prototipo de la Ventana Obtener Peso

de un Enlace, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de proceso en la Ventana
Principal.
Figura 2.37: Ventana Obtener Peso de un Enlace

En la Figura 2.38, se observa el prototipo de la Ventana Cambiar Peso
de un Enlace, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de proceso en la Ventana
Principal.
Figura 2.38: Ventana Cambiar Peso de un Enlace

En la Figura 2.39, se observa el prototipo de la Ventana Obtener Funci
on Base, la cual se muestra cuando el usuario selecciona la alternativa de
Figura 2.39: Ventana Obtener Funci

on Base
32
DE REQUERIMIENTOS
En la Figura 2.40, se observa el prototipo de la Ventana Cambiar Funci

on Base, la cual se muestra cuando el usuario selecciona la alternativa de
Figura 2.40: Ventana Cambiar Funci

on Base
En la Figura 2.41, se observa el prototipo de la Ventana Definir Nueva
Funci
on Base, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de proceso en la Ventana
Principal.
Figura 2.41: Ventana Definir Nueva Funci

on Base
on de Activaci
on, la cual se muestra cuando el usuario selecciona la alternativa de igual nombre de la opcion Neurona de proceso en la Ventana
Principal.

on de Activaci
on

33

on de Activaci
Principal.

on de Activaci
on
Funci
on de Activaci
on, la cual se muestra cuando el usuario selecciona
Ventana Principal.

on de Activaci
on
on de Transferencia, la cual se muestra cuando el usuario selecciona la

on de Transferencia
34
DE REQUERIMIENTOS

on de Transferencia, la cual se muestra cuando el usuario selecciona la

on de Transferencia
Funci
on de Transferencia, la cual se muestra cuando el usuario selecciona
Ventana Principal.

on de Transferencia
En la Figura 2.48, se observa el prototipo de la Ventana Obtener Umbral de Activaci
Principal.
Figura 2.48: Ventana Obtener Umbral de Activaci

on

35
En la Figura 2.49, se observa el prototipo de la Ventana Cambiar Umbral de Activaci

Principal.
Figura 2.49: Ventana Cambiar Umbral de Activaci

on
En la Figura 2.50, se observa el prototipo de la Ventana Obtener Potencial de Activaci
on, la cual se muestra cuando el usuario selecciona la
Figura 2.50: Ventana Obtener Potencial de Activaci

on
de Activaci
Principal.
Figura 2.51: Ventana Obtener Valor de Activaci

on
En las figuras 2.15, 2.16, 2.17 y 2.18, se observan los prototipos de las
ventanas relacionadas con los monitores, las cuales se muestran cuando el
usuario selecciona la alternativa de igual nombre de la opcion Neurona de
proceso en la Ventana Principal.
36
DE REQUERIMIENTOS
En la Figura 2.52, se observan las alternativas de la opcion Red Neuronal de la Ventana Principal. Por defecto solo las alternativas Crear
red y Definir nueva red neuronal, se encuentran activas.
Figura 2.52: Ventana Principal opcion -Red NeuronalEn la Figura 2.53, se observa el prototipo de la Ventana Crear una Red
Neuronal, la cual se muestra cuando el usuario selecciona la alternativa de
igual nombre de la opcion Red Neuronal en la Ventana Principal.
Figura 2.53: Ventana Crear una Red Neuronal

nombre de la opcion Red Neuronal en la Ventana Principal.
Red Neuronal, la cual se muestra cuando el usuario selecciona la alternativa
de igual nombre de la opcion Red Neuronal en la Ventana Principal.

37
Figura 2.54: Ventana Definir Nueva Red Neuronal

En la Figura 2.55, se observan el prototipo de la Ventana Ejecutar
Red, la cual se muestra cuando el usuario selecciona la alternativa de igual
nombre en la Ventana Principal.
Figura 2.55: Ventana Ejecutar Red

En la Figura 2.56, se observan el prototipo de la Ventana Generar
Aplicaci
on, la cual se muestra cuando el usuario selecciona la alternativa
de igual nombre en la Ventana Principal.
Figura 2.56: Ventana Generar Aplicaci

on
En la Figura 2.57, se observan el prototipo de la Ventana Acerda de, la
cual se muestra cuando el usuario selecciona la alternativa de igual nombre
en la Ventana Principal.
38
DE REQUERIMIENTOS
Figura 2.57: Ventana Acerda de
Figura 2.58: Ventana Agradecimientos

39
Las Figuras 2.59, 2.60, 2.61, 2.62, son los prototipos de los dialogos de:
Di
alogo de Error, Di
alogo de Informaci
on, Di
alogo de Advertencia y
Di
alogo de Pregunta respectivamente.
Figura 2.59: Di
alogo de Error
Figura 2.60: Di
alogo de Informaci
on
Figura 2.61: Di
alogo de Advertencia
Figura 2.62: Di
alogo de Pregunta

DE REQUERIMIENTOS
40
N
ACLARACIO
TODAS LAS INTERFACES GRAFICAS MENCIONADAS SON DIALOGOS,

SALVO LA VENTANA PRINCIPAL, SIN EMBARGO PARA EVITAR
DICIENDO VENTANAS.
CONFUSIONES, SE LES SEGUIRA
2.5.
Diagramas de Casos de Uso
Los casos de uso se organizaron en paquetes para su mejor comprension.

Los detalles de cada caso de uso se hacen en el captulo siguiente.
La Figura 2.63 muestra los casos de uso del paquete archivo.
Figura 2.63: Casos de uso del paquete archivo

La Figura 2.64 muestra los casos de uso del paquete neurona de entrada.
Figura 2.64: Casos de uso del paquete neurona de entrada
2.5. DIAGRAMAS DE CASOS DE USO
41
La Figura 2.65 muestra los casos de uso del paquete neurona de retardo.
Figura 2.65: Casos de uso del paquete neurona de retardo

La Figura 2.66 muestra los casos de uso del paquete red neuronal.
Figura 2.66: Casos de uso del paquete red neuronal
42
DE REQUERIMIENTOS
La Figura 2.67 muestra los casos de uso del paquete neurona de proceso.
Figura 2.67: Casos de uso del paquete neurona de proceso
2.6.
Revisi
on de requerimientos (RR)
Para realizar la revision de requerimientos (RR) hay que tener en cuenta

las siguientes consideraciones.
Asegurarse que los pasos anteriores reflejan los requerimientos funcionales.
Asegurarse que los clientes tengan idea de los requerimientos con los
cuales se basara el dise
no.
DE REQUERIMIENTOS (RR)
2.6. REVISION
43
Involucre representantes de los clientes y del equipo de desarrollo, buscando un acuerdo sobre todo lo hecho hasta ahora.
Identifique: Cuales son los objetos del mundo real que necesitamos
modelar y como se relacionan entre ellos?
Desarrolladores y usuarios construyen un prototipo (GUI) que muestre
la prueba de concepto.
No construya el prototipo en codigo, use lapiz y papel o herramientas
de dibujo.
Para este proyecto, toda la revision es satisfactoria.
44
DE REQUERIMIENTOS
PRELIMINAR
ANALISIS
Y DISENO
3.1.
Descripci
on de los casos de uso
El texto explicativo de los casos de uso, debe estar escrito en voz activa
y debe dejar claro el que y no el como. Esta descripcion debe tener al
menos dos partes: un curso basico y un curso alterno.
El curso basico debe describir la interacci
on del usuario con el sistema
y las respectivas respuestas. Debe dejar claro Quien hace que?, usando
que elementos de la interfaz grafica? y que hace el sistema como respuesta
a ello?. Para poder describir la interacci
on, deben hacerse referencias a las
diferentes ventanas, dialogos y elementos que se utilicen de la interfaz grafica
de usuario.
Por otro lado, el curso alterno debe describir todas las eventualidades,
fallos o errores que pueden pasar mientras se ejecuta el curso basico. De
nuevo deben existir referencias a la interfaz grafica de usuario.
Hay que recordar que es menos costoso los cambios en este punto del
proyecto que posteriormente, ya que por ahora son solo descripciones.
Hay que tener presente que cuando el n
umero de los casos de uso es
grande, se pueden agrupar en paquetes para su mejor comprension, tal y

PRELIMINAR
Y DISENO
46
como se hizo en el capitulo anterior. Ademas todas las descripciones deben

ser claras, concisas y en un lenguaje en el cual los clientes no tecnicos puedan
interpretarlo para que as, ellos puedan participar en su mejoramiento. De
igual manera, debe ser lo mas completo posible pues debe impedirse que los
codificadores o programadores implementen lo que ellos creen que el sistema
debe hacer.
Es clave identificar cada uno de los siguientes elementos:
Lmites: Cuando empieza y cuando termina el caso de uso.

Interacciones: Comportamiento de actores y el sistema. Accion reaccion dentro del caso de uso.
Masa: Conjunto de objetos e interfaces que se requieren.
Indice de escenarios: Flujo principal de eventos y secuencia de variaciones

Tribulaciones: Contingencias probables que pueden afectar al flujo
de los eventos y son ellas las excepciones del caso de uso.
3.1.1.
Paquete archivo
Iniciar laboratorio
Curso b
asico
El sistema muestra el mensaje Todos los datos no guardados se
perder
an si contin
ua! en un Di
alogo de Advertencia (ver Figura
2.61), el usuario presiona el boton Aceptar de dicho dialogo, el sistema cierra el dialogo y abre la ventana Nuevo Laboratorio (ver
Figura 2.7).
El usuario escribe el nombre del autor o autores en la ventana Nuevo
Laboratorio y presiona el boton Aceptar de dicha ventana.
El sistema verifica que se hayan ingresado datos (se espera uno o varios
nombres de personas), luego el sistema cierra la ventana Nuevo Laboratorio y almacena estos datos como los nombre de los autores del
laboratorio, posteriormente borra la zona del reporte de actividades
de la Ventana Principal (ver Figura 2.5) y muestra en dicha zona el
mensaje:
DE LOS CASOS DE USO

3.1. DESCRIPCION
/*
L A B O R A T O R I O V I R T U A L
Autores: listadoDeAutores
Fecha: fechaActual
*/
D E
R E D E S
47
N E U R O N A L E S
(listadoDeAutores y fechaActual corresponden respectivamente al

listado de los nombre de los autores y a la fecha actual).
Posteriormente el sistema crea las listas para las neuronas de entrada,
neurona de retardo, neurona de proceso, redes neuronales y monitores
del laboratorio; finalmente el sistema activa la alternativa Guardar
laboratorio de la opcion Archivo de la Ventana Principal, as como tambien activa las opciones Neurona de entrada, Neurona de
retardo, Neurona de proceso y la opcion Red Neuronal de dicha
ventana.
Curso alterno
Si el usuario presiona el boton Cancelar en el Di
alogo de Advertencia, el sistema cierra el dialogo quedando en la Ventana Principal.
Si no se han ingresado datos, el sistema muestra el mensaje Debe
ingresar el nombre del autor o autores del laboratorio, en un Di
alogo de Informaci
on (ver Figura 2.60), el usuario presiona el boton
Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en
la ventana Nuevo Laboratorio.
Si se produce una falla en la creacion de alguna de las listas de neuronas
o de redes neuronales, el sistema muestra el mensaje Error al crear
la lista xxx, en un Di
alogo de Error (ver Figura 2.59), el usuario
presiona el boton Aceptar de dicho dialogo y el sistema cierra el
dialogo quedando en la ventana Ventana Principal.
Si el usuario presiona el boton de Cancelar en la ventana Nuevo
Laboratorio, el sistema cierra la ventana quedando en la Ventana
Principal.
Cargar laboratorio
Curso b
asico
El sistema muestra el mensaje Todos los datos no guardados se
perder
an si contin
ua! en un Di
2.61), el usuario presiona el boton Aceptar de dicho dialogo, el sistema cierra el dialogo y abre el dialogo Cargar archivos (ver Figura
2.8).
48
PRELIMINAR
Y DISENO
El usuario en el dialogo Cargar archivos selecciona la ubicacion y el
nombre del archivo que desea y presiona el boton Cargar de dicho
dialogo.
El sistema cierra el dialogo, carga la informacion del laboratorio almacenado (autores, listas de las neuronas de entrada, neurona de retardo, neurona de proceso, redes neuronas y actividades realizadas);
luego el sistema activa la alternativa Guardar laboratorio de la opcion Archivo de la Ventana Principal (ver Figura 2.6), as como
tambien activa las opciones Neurona de entrada, Neurona de retardo, Neurona de proceso y la opcion Red Neuronal de la Ventana
Principal (ver Figura 2.5). Posteriormente el sistema actualiza la zona
de reporte de actividades de la Ventana Principal con las actividades
realizadas en el laboratorio cargado, y adiciona el siguiente mensaje:
/*
Cargado de: nombreCompletoDelArchivo
En la fecha: fechaYHoraActual
*/
(nombreCompletoDelArchivo y fechaYHoraActual corresponden respectivamente al nombre del archivo (includa la ruta) que contiene el
laboratorio cargado y la fecha actual).
Curso alterno
Si el usuario presiona el boton Cancelar en el Di
alogo de Advertencia, el sistema cierra el dialogo quedando en la Ventana Principal.
Si el usuario presiona el boton de Cancelar en el dialogo Cargar
archivos, el sistema cierra el dialogo quedando en la Ventana Principal.
Si falla la carga de la informacion, el sistema muestra el mensaje Error
al cargar el laboratorio almacenado, en un Di
alogo de Error (ver
Figura 2.59), el usuario presiona el boton Aceptar de dicho dialogo,
el sistema cierra el dialogo de error quedando en el dialogo Ventana
Principal.
Guardar laboratorio
Curso b
asico
El usuario en la dialogo Guardar como (ver Figura 2.9) selecciona la ubicacion y escribe el nombre del archivo y presiona el boton
Guardar de dicho dialogo.
DE LOS CASOS DE USO

3.1. DESCRIPCION
49
El sistema cierra el dialogo Guardar como, guarda la informacion del

laboratorio actual (autores, listas de las neuronas de entrada, neurona
de retardo, neurona de proceso, redes neuronales y demas actividades
realizadas) en la ubicacion y con el nombre especificado.
Luego el sistema muestra en la zona del reporte de actividades de la
Ventana Principal (ver Figura 2.5) el mensaje:
/*
Guardado en: nombreCompletoDelArchivo
En la fecha: fechaYHoraActual
*/
(nombreCompletoDelArchivo y fechaYHoraActual corresponden respectivamente a la nombre del archivo (incluido la ruta) que contiene
lo realizado en el laboratorio hasta el momento y la fecha actual).
Curso alterno
Si falla el proceso de guardar la informacion, el sistema muestra el
mensaje Error al guardar el laboratorio, en un Di
alogo de Error
(ver Figura 2.59), el usuario presiona el boton Aceptar de dicho
dialogo, el sistema cierra el dialogo quedando en la ventana Ventana
Principal (ver Figura 2.5).
Si el usuario presiona el boton de Cancelar en la ventana Guardar
como, el sistema cierra el dialogo quedando en la Ventana Principal.
3.1.2.
Paquete neurona de entrada
Crear neurona
Curso b
asico
El usuario en la ventana Crear Neurona (ver Figura 2.11) escribe
el nombre de la variable a la que se le asignara la nueva neurona
de entrada, luego escribe el nombre que desea para dicha neurona, y
finalmente presiona el boton Aceptar que se encuentra en la misma
ventana.
El sistema verifica que se hayan ingresado los datos (se espera el nombre de la variable y el de la neurona), verifica que los nombres tengan
el formato de un identificador valido, busca en la lista de variables otra
variable con el mismo nombre, busca en la lista de neuronas de entrada otra neurona con el mismo nombre, crea una neurona de entrada
50
PRELIMINAR
Y DISENO
(asignandole el nombre especificado), la adiciona a la lista de neuronas
de entrada, luego adiciona una nueva entrada a la lista de variables
(indicando el nombre, el tipo de variable -neurona de entrada- y una
referencia a la nueva neurona), posteriormente muestra en la zona de
reporte de actividades de la Ventana Principal (ver Figura 2.5) el
mensaje:
NeuronaDeEntrada nombreVariable;
nombreVariable = new NeuronaDeEntrada ( nombreNeurona );
(nombreVariable y nombreNeurona corresponden respectivamente al

nombre de la variable que referencia a la neurona de entrada y al
nombre para dicha neurona).
Y finalmente el sistema cierra la ventana Crear Neurona y activa las
alternativas Obtener nombre, Asignar Valor de Salida, y Obtener
Valor de Salida de la opcion Neurona de Entrada en la Ventana
Principal.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Crear Neurona, el sistema cierra dicha ventana quedando en la Ventana Principal.
Si no se han ingresado datos, el sistema muestra el mensaje Ingrese
el nombre de la variable y el de la neurona , en un Di
alogo de Informaci
on (ver Figura 2.60), el usuario presiona el boton Aceptar
de dicho dialogo y el sistema cierra el dialogo quedando en la ventana
Crear neurona.
Si el formato de alguno de los nombres no es correcto, el sistema muestra el mensaje El formato no corresponde al de un identificador v
alido, en un Di
alogo de Error (ver Figura 2.59), el usuario presiona el
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Crear Neurona.
Si en la lista de variables ya existe otra con el mismo nombre, el sistema
muestra el mensaje Ya existe una variable con el mismo nombre, en
un Di
alogo de Informaci
on, el usuario presiona el boton Aceptar
Crear Neurona.
Si en la lista de neuronas de entrada ya existe otra con el mismo
nombre, el sistema muestra el mensaje Ya existe una neurona de
DE LOS CASOS DE USO

3.1. DESCRIPCION
51
entrada con el mismo nombre, en un Di

alogo de Informaci
on, el
usuario presiona el boton Aceptar de dicho dialogo y el sistema cierra
el dialogo quedando en la ventana Crear Neurona.
Si falla le creacion de la neurona de entrada, el sistema muestra el
mensaje Error al crear la neurona de entrada, en un Di
alogo de
Error, el usuario presiona el boton Aceptar de dicho dialogo y el
sistema cierra el dialogo quedando en la ventana Crear Neurona.
Si falla la adicion de la nueva neurona a la lista de neuronas, el sistema
muestra el mensaje Error al almacenar la nueva neurona, en un
Di
alogo de Error, el usuario presiona el boton Aceptar de dicho
dialogo y el sistema cierra el dialogo quedando en la ventana Crear
Neurona.
Si falla la adicion de la nueva entrada en la lista de variables, el sistema
elimina la nueva neurona de la lista de neuronas y muestra el mensaje
Error al almacenar la nueva variable, en un Di
alogo de Error,
el usuario presiona el boton Aceptar de dicho dialogo y el sistema
cierra el dialogo quedando en la ventana Crear Neurona.
Obtener nombre
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a una neurona de entrada. Luego actualiza
el listado que aparece en la ventana Obtener Nombre (ver Figura
2.12).
El usuario en la ventana Obtener Nombre selecciona el nombre de
la variable que referencia la neurona a la cual se le desea obtener el
nombre.
El sistema obtiene el nombre de la neurona de entrada que se encuentra
referenciada por la variable seleccionada y lo muestra en la misma
ventana Obtener Nombre.
El usuario presiona el boton Aceptar que se encuentra en la misma
ventana.
El sistema muestra en la zona de reporte de actividades de la Ventana
Principal (ver Figura 2.5) el mensaje:
nombreVariable.obtenerNombre ( );
// El nombre es: nombreNeurona
52
PRELIMINAR
Y DISENO
nombre de la variable que referencia la neurona de entrada y el nombre
de dicha neurona de entrada).
Finalmente el sistema cierra la ventana Obtener Nombre.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Obtener
Nombre, el sistema cierra dicha ventana quedando en la Ventana
Principal.
Obtener valor de salida
Curso b
asico
el listado que aparece en la ventana Obtener Valor de Salida (ver
Figura 2.13).
El usuario en la ventana Obtener Valor de Salida selecciona el nombre de la variable que referencia la neurona a la cual se le desea obtener
el valor de salida.
El sistema obtiene el valor de salida de la neurona de entrada que se
encuentra referenciada por la variable seleccionada y lo muestra en la
misma ventana Obtener Valor de Salida.
ventana.
nombreVariable.obtenerValorDeSalida ( );
// El valor de salida es: valorSalida.
(nombreVariable y valorSalida corresponden respectivamente al nombre de la variable que referencia la neurona de entrada y al valor de
salida de dicha neurona de entrada).
Finalmente el sistema cierra la ventana Obtener Valor de Salida.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Obtener Valor de Salida, el sistema cierra dicha ventana quedando en la Ventana
Principal.
DE LOS CASOS DE USO

3.1. DESCRIPCION
53
Asignar valor de salida

Curso b
asico
el listado que aparece en la ventana Asignar Valor de Salida (ver
Figura 2.14).
El usuario en la ventana Asignar Valor de Salida selecciona el nombre de la variable que referencia la neurona a la cual se le desea asignar
el valor de salida, escribe el valor a asignar y presiona el boton Aceptar que se encuentra en la misma ventana.
El sistema verifica que se hayan ingresado los datos (se espera el nuevo valor de salida de la neurona de entrada), verifica el formato del
valor de salida y actualiza dicho valor en la neurona de entrada que
se encuentra referenciada por la variable seleccionada (ella notifica del
cambio a sus monitores, si los tiene). Tambien muestra en la zona de
mensaje:
nombreVariable.asignarValorDeSalida ( valorSalida );
(nombreVariable y valorSalida corresponden respectivamente al nombre de la variable que referencia la neurona de entrada y al nuevo valor
de salida de dicha neurona de entrada).
Finalmente el sistema cierra la ventana Asignar Valor de Salida
quedando en la Ventana Principal.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Asignar Valor de Salida, el sistema cierra dicha ventana quedando en la Ventana
Principal.
el nuevo valor de salida para la neurona , en un Di
alogo de Informaci
on (ver Figura 2.60), el usuario presiona el boton Aceptar de
dicho dialogo y el sistema cierra el dialogo quedando en la ventana
Asignar Valor de Salida.
Si el formato del valor de salida no es correcto, el sistema muestra
el mensaje El formato no corresponde al de un valor numerico, en
un Di
alogo de Error (ver Figura 2.59), el usuario presiona el boton
54
PRELIMINAR
Y DISENO
la ventana Asignar Valor de Salida.
Crear monitor
Curso b
asico
El sistema obtiene del disco, el listado de todos los tipos de monitores
para neuronas de entrada, y actualiza el listado que aparece en la
ventana Crear Monitor (ver Figura 2.15).
El usuario en la ventana Crear Monitor selecciona el tipo de monitor
para neuronas de entrada, y escribe el nombre para la variable a la que
se le asignara este monitor, posteriormente presiona el boton Aceptar
que se encuentra en la misma ventana.
El sistema verifica que se hayan ingresado datos (se espera el nombre
de la variable), verifica que el nombre tengan el formato de un identificador valido, busca en la lista de variables otra variable con el mismo
nombre, crea un monitor de este tipo, luego adiciona una nueva entrada a la lista de variables (indicando el nombre, el tipo de variable
-monitor de neurona de entrada- y una referencia al nuevo monitor),
posteriormente muestra en la zona de reporte de actividades de la
TipoMonitorNeuronaEntrada nombreVariableMonitor;
nombreVariableMonitor = new TipoMonitorNeuronaEntrada ( );
(TipoMonitorNeuronaEntrada y nombreVariableMonitor corresponden respectivamente al tipo de monitor seleccionado y al nombre definido

por el usuario para la variable que referencia al monitor).
Y finalmente el sistema cierra la ventana Crear Monitor y activa la
alternativa Asignar monitor, de la opcion Neurona de Entrada en
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Crear Monitor, el sistema cierra dicha ventana quedando en la Ventana Principal.
Si falla la obtencion del disco del listado de todos los tipos de monitores, el sistema cierra la ventana Crear Monitor, muestra el mensaje Error al leer el disco para obtener el listado de monitores, en
un Di
DE LOS CASOS DE USO

3.1. DESCRIPCION
55

la ventana Ventana Principal.
Si en el disco no se encuentran monitores para neuronas de entrada, el
sistema cierra la ventana Crear Monitor, y muestra el mensaje No
hay monitores disponibles para neuronas de entrada, en un Di
alogo de Informaci
el nombre de la variable, en un Di
alogo de Informaci
on, el usuario
dialogo quedando en la ventana Crear Monitor.
Si el formato del nombre del monitor no es correcto, el sistema muestra
el mensaje El formato no corresponde al de un identificador v
alido,
en un Di
alogo de Error, el usuario presiona el boton Aceptar de
Crear Monitor.
un Di
alogo de Informaci
Crear Monitor.
muestra el mensaje Error al almacenar la nueva variable, en un
Di
Monitor.
Asignar monitor
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las
variables que hagan referencia a monitores de neurona de entrada y
las que hagan referencia a neuronas de entrada. Luego actualiza los
listados que aparecen en la ventana Asignar Monitor (ver Figura
2.16).
El usuario en la ventana Asignar Monitor selecciona el nombre de la
variable que referencia a un monitor y selecciona el nombre de la variable que referencia a una neurona de entrada, posteriormente el usuario
presiona el boton Aceptar de dicha ventana, el sistema le adiciona la
56
PRELIMINAR
Y DISENO
referencia al monitor (valor de la variable nombreVariableMonitor) a
la neurona seleccionada nombreVariableNeuronaEntrada.
Posteriormente el sistema muestra en la zona de reporte de actividades
de la Ventana Principal (ver Figura 2.5) el mensaje:
nombreVariableNeurona.asignarMonitor ( nombreVariableMonitor );
(nombreVariableNeurona y nombreVariableMonitor corresponden a

los nombres de las variables que hacen referencia a la neurona de entrada y al monitor respectivamente).
Y finalmente el sistema cierra la ventana Asignar Monitor y activa la
alternativa Desasignar Monitor de la opcion Neurona de Entrada
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Asignar
monitor, el sistema cierra dicha ventana quedando en la Ventana
Principal.
Si en la lista de variables no se encuentran variables a neuronas de
entrada, el sistema cierra la ventana Asignar Monitor, y muestra
el mensaje No hay variables disponibles a neuronas de entrada, en
un Di
alogo de Informaci
on (ver Figura 2.60), el usuario presiona el
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la Ventana Principal.
Desasignar monitor
Curso b
asico
variables que hagan referencia a monitores de neurona de entrada y
las que hagan referencia a neuronas de entrada. Luego actualiza los
listados que aparecen en la ventana Desasignar Monitor (ver Figura
2.17).
El usuario en la ventana Desasignar Monitor selecciona el nombre
de la variable que referencia a un monitor y selecciona el nombre de
la variable que referencia a una neurona de entrada, posteriormente el
usuario presiona el boton Aceptar de dicha ventana, el sistema retira
la referencia al monitor (valor de la variable nombreVariableMonitor)
de la neurona referenciada por la variable nombreVariableNeurona.
DE LOS CASOS DE USO

3.1. DESCRIPCION
57

nombreVariableNeurona.desasignarMonitor ( nombreVariableMonitor );
(nombreVariableNeurona y nombreVariableMonitor corresponden al

nombre de las variables que referencian a una neurona de entrada y a
un monitor respectivamente).
Y finalmente el sistema cierra la ventana Desasignar Monitor.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Desasignar
Monitor, el sistema cierra dicha ventana quedando en la Ventana
Principal.
No debe provocarse ning
un error al intentar retirar un monitor de una
neurona de entrada, a
un si este no lo tiene asignado actualmente.
Definir nuevo monitor
Curso b
asico
El usuario en la ventana Definir Nuevo Monitor (ver Figura 2.18)
escribe el nombre del nuevo tipo de monitor, posteriormente escribe
los fragmentos de codigo en Java seg
un sea el caso, luego el usuario
presiona el boton Aceptar de dicha ventana.
del nuevo tipo de monitor y los fragmentos de codigo Java), verifica que el nombre tenga el formato de un identificador valido, busca
en el disco un monitor que tenga el mismo nombre, construye una
clase valida en Java (uniendo los fragmentos dados por el usuario con
partes fijas de codigo predeterminado, y guardandolo en el disco con el
nombre de la clase especificada), posteriormente le solicita a Java que
compile la nueva clase. Luego el sistema determina si el compilador
detecto errores de sintaxis en el codigo dado por el usuario, posteriormente el sistema almacena los fragmentos del nuevo tipo de monitor
en el disco y elimina el codigo fuente de la clase compilada. Luego
muestra en la zona de reporte de actividades de la Ventana Principal (ver Figura 2.5) el mensaje:
// Nuevo monitor nombreTipoMonitor para neuronas de entrada

/* fragmentosDeCodigoJava */
58
PRELIMINAR
Y DISENO
(nombreTipoMonitor y fragmentosDeCodigoJava corresponde respectivamente al nombre del nuevo tipo de monitor y a los fragmentos
dados por el usuario. Finalmente el sistema cierra la ventana Definir
Nuevo Monitor quedando en la Ventana Principal.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Definir Nuevo Monitor, el sistema cierra dicha ventana quedando en la Ventana
Principal.
el nombre del nuevo tipo de monitor y el c
odigo Java requerido, en
un Di
alogo de Informaci
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Definir Nuevo Monitor.
Si el formato del nombre del nuevo tipo de monitor no es correcto, el
sistema muestra el mensaje El formato del nombre no corresponde al
de un identificador v
alido, en un Di
alogo de Error (ver Figura 2.59),
cierra el dialogo quedando en la ventana Definir Nuevo Monitor.
Si no se puede buscar en el disco el nuevo tipo de monitor, el sistema
muestra el mensaje Error al buscar el nuevo tipo de monitor en el disco, en un Di
alogo de Error, el usuario presiona el boton Aceptar
de dicho dialogo y el sistema cierra el dialogo y regresa a la ventana
Definir Nuevo Monitor.
Si ya existe otro tipo de monitor con ese nombre, el sistema muestra el mensaje Ya existe un tipo de monitor con ese nombre, en
un Di
alogo de Advertencia (ver Figura 2.61), el usuario presiona el
boton Aceptar de dicho dialogo y el sistema cierra el dialogo y contin
ua el proceso normal. Si el usuario presiona el boton Cancelar
del dialogo, el sistema cierra el dialogo y regresa a la ventana Definir
Nuevo Monitor sin continuar con el proceso normal.
Si no se puede guardar en el disco el codigo fuente de la clase definida,
el sistema muestra el mensaje Error al almacenar la clase del nuevo
tipo de monitor en el disco, en un Di
alogo de Error, el usuario
dialogo y regresa a la ventana Definir Nuevo Monitor.
Si no se puede llamar al compilador de Java, el sistema muestra el
mensaje Error al ejecutar el compilador de Java, en un Di
alogo
de Error, el usuario presiona el boton Aceptar de dicho dialogo
DE LOS CASOS DE USO

3.1. DESCRIPCION
59
y el sistema cierra el dialogo y regresa a la ventana Definir Nuevo

Monitor.
Si se detectaron errores de compilacion, el sistema muestra estos errores en un Di
Si no se puede almacenar en el disco el nuevo tipo de monitor, el sistema muestra el mensaje Error al almacenar el nuevo tipo de monitor
en el disco, en un Di
alogo de Error, el usuario presiona el boton
Aceptar de dicho dialogo y el sistema cierra el dialogo y regresa a la
ventana Definir Nuevo Monitor.
Si no se puede eliminar del disco el codigo fuente de la clase del nuevo
tipo de monitor, el sistema muestra el mensaje Error al eliminar la
clase del nuevo tipo de monitor del disco, en un Di
alogo de Error,
cierra el dialogo y regresa a la ventana Definir Nuevo Monitor.
Cargar monitor
Curso b
asico
presiona el boton Cargar de dicha ventana.
El sistema abre el dialogo de Cargar archivos (ver Figura 2.8). El
usuario en el dialogo Cargar archivos selecciona la ubicacion y el
dialogo. El sistema carga la informacion del nuevo tipo de monitor del
disco, actualiza la ventana Definir Nuevo Monitor y cierra el dialogo
quedando en la ventana Definir Nuevo Monitor.
Curso alterno
archivos, el sistema cierra el dialogo quedando en la ventana Definir
Nuevo Monitor.
Si falla la carga de la informacion del nuevo tipo de monitor, el sistema
muestra el mensaje Error al cargar los datos del nuevo tipo de monitor, en un Di
boton Aceptar de dicho dialogo, el sistema cierra el dialogo de error
quedando en el dialogo Cargar archivos.

PRELIMINAR
Y DISENO
60
3.1.3.
Paquete neurona de retardo
Crear neurona
Curso b
asico
El sistema obtiene del disco, el listado de todos los tipos de neuronas
de retardo, y actualiza el listado que aparece en la ventana Crear
Neurona de Retardo (ver Figura 2.20), con este listado mas el tipo
estandar (Z 1 ) de neurona de retardo.
El usuario en la ventana Crear Neurona de Retardo selecciona el tipo
de neurona, escribe el nombre de la variable a la que se le asignara la
nueva neurona de retardo, luego escribe el nombre que desea para dicha
neurona, y finalmente presiona el boton Aceptar que se encuentra
en la misma ventana.
El sistema verifica que se hayan ingresado los datos (se espera el nombre de la variable y el de la neurona), verifica que los nombres tengan
el formato de un identificador valido, busca en la lista de variables otra
variable con el mismo nombre, busca en la lista de neuronas de retardo otra neurona con el mismo nombre, crea una neurona de retardo
(asignandole el nombre especificado), la adiciona a la lista de neuronas
de retardo, luego adiciona una nueva entrada a la lista de variables
(indicando el nombre, el tipo de variable -neurona de retardo- y una
referencia a la nueva neurona), posteriormente muestra en la zona de
mensaje:
TipoNeuronaDeRetardo nombreVariable;
nombreVariable = new TipoNeuronaDeRetardo ( nombreNeurona );
(TipoNeuronaDeRetardo, nombreVariable y nombreNeurona corresponden respectivamente al tipo de neurona seleccionada, al nombre de

la variable que referencia a la neurona de entrada y al nombre para
dicha neurona).
Y finalmente el sistema cierra la ventana Crear Neurona de Retardo
y activa las alternativas
Obtener Nombre, Obtener Valor de Salida, Asignar Valor de Salida, Actualizar valor presente, Obtener Valor Futuro, Actualizar
Valor Futuro, Definir Nuevo Valor Futuro, Enlazar Neurona,
Obtener Estado del Enlace, Obtener con quien se Relaciona y
DE LOS CASOS DE USO

3.1. DESCRIPCION
61
Obtener Nombre de la Neurona Enlazada de la opcion Neurona

de Retardo en la Ventana Principal.
Curso alterno
Si falla la obtencion del disco del listado de todos los tipos de neuronas
de retardo, el sistema cierra la ventana Crear Neurona de Retardo,
muestra el mensaje Error al leer el disco para obtener el listado de
tipos de neuronas de retardo, en un Di
alogo de Error (ver Figura
2.59), el usuario presiona el boton Aceptar de dicho dialogo y el
sistema cierra el dialogo quedando en la ventana Ventana Principal.
Si no hay en el disco nuevos tipos de neuronas de retardo, el sistema
deja solo el tipo estandar (Z 1 ) de neurona de retardo.
Si el usuario presiona el boton Cancelar en la ventana Crear Neurona de Retardo, el sistema cierra dicha ventana quedando en la Ventana Principal.
el nombre de la variable y el de la neurona , en un Di
alogo de Informaci
Crear neurona de Retardo.
alido, en un Di
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Crear Neurona de Retardo.
un Di
alogo de Informaci
Crear Neurona de Retardo.
Si en la lista de neuronas de retardo ya existe otra con el mismo nombre, el sistema muestra el mensaje Ya existe una neurona de retardo
con el mismo nombre, en un Di
alogo de Informaci
on, el usuario
dialogo quedando en la ventana Crear Neurona de Retardo.
Si falla le creacion de la neurona de retardo, el sistema muestra el
mensaje Error al crear la neurona de retardo, en un Di
alogo de
62
PRELIMINAR
Y DISENO
sistema cierra el dialogo quedando en la ventana Crear Neurona de
Retardo.
Di
Neurona de Retardo.
alogo de Error,
cierra el dialogo quedando en la ventana Crear Neurona de Retardo.
Obtener nombre
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a una neurona de retardo. Luego actualiza
2.12).
nombre.
El sistema obtiene el nombre de la neurona de retardo que se encuentra
ventana.
nombreVariable.obtenerNombreDeLaNeurona ( );
// El nombre es: nombreNeurona.

nombre de la variable que referencia a la neurona deseada y al nombre
de la neurona de retardo).
DE LOS CASOS DE USO

3.1. DESCRIPCION
63
Curso alterno
Principal.
Curso b
asico
Figura 2.13).
el valor de salida.
El sistema obtiene el valor de salida de la neurona de retardo que se
encuentra referenciada por la variable seleccionada y lo muestra en la
misma ventana Obtener Valor de Salida.
ventana.
// El valor de salida es: valorSalida.
(nombreVariable y valorSalida corresponden respectivamente al nombre de la variable que referencia a la neurona deseada y al valor de
salida de dicha neurona de retardo).
Curso alterno
Principal.
Asignar valor de salida
Curso b
asico
64
PRELIMINAR
Y DISENO
el listado que aparece en la ventana Asignar Valor de Salida (ver
Figura 2.14).
El usuario en la ventana Asignar Valor de Salida selecciona el nombre de la variable que referencia la neurona a la cual se le desea asignar
el valor de salida, escribe el valor a asignar y presiona el boton Aceptar que se encuentra en la misma ventana.
El sistema verifica que se hayan ingresado los datos (se espera el nuevo
valor de salida de la neurona de retardo), verifica el formato del valor de
salida y actualiza dicho valor en la neurona de retardo que se encuentra
referenciada por la variable seleccionada (ella notifica del cambio a sus
monitores, si los tiene). Tambien muestra en la zona de reporte de
actividades de la Ventana Principal (ver Figura 2.5) el mensaje:
nombreVariable.asignarValorDeSalida ( valorSalida );
(nombreVariable y valorSalida corresponden respectivamente al nombre de la variable que referencia a la neurona deseada y al valor de
salida de dicha neurona de retardo).
Finalmente el sistema cierra la ventana Asignar Valor de Salida
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Asignar Valor de Salida, el sistema cierra dicha ventana quedando en la Ventana
Principal.
el nuevo valor de salida para la neurona , en un Di
alogo de Informaci
on (ver Figura 2.60), el usuario presiona el boton Aceptar de
Asignar Valor de Salida.
Si el formato del valor de salida no es correcto, el sistema muestra
el mensaje El formato no corresponde al de un valor numerico, en
un Di
la ventana Asignar Valor de Salida.
Actualizar valor presente
Curso b
asico
DE LOS CASOS DE USO

3.1. DESCRIPCION
65
el listado que aparece en la ventana Actualizar Valor Presente (ver

Figura 2.21).
El usuario en la ventana Actualizar Valor Presente selecciona el
nombre de la variable que referencia la neurona a la cual se le desea
actualizar el valor presente.
El sistema obtiene el valor futuro (valor candidato a ser proximo valor
presente) de la neurona de retardo que se encuentra referenciada por
la variable seleccionada y lo muestra en la misma ventana Actualizar
Valor Presente.
ventana, actualiza el valor presente con el valor futuro (ella notifica
del cambio a sus monitores, si los tiene), luego muestra en la zona de
mensaje:
nombreVariable.actualizarValorPresente ( );
// El nuevo valor presente es: valorPresente.
(nombreVariable y valorPresente corresponden respectivamente al

nombre de la variable que referencia a la neurona deseada y al nuevo
valor presente de dicha neurona de retardo).
Finalmente el sistema cierra la ventana Actualizar Valor Presente.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Actualizar
Valor Presente, el sistema cierra dicha ventana quedando en la Ventana Principal.
Obtener valor futuro
Curso b
asico
variables que hagan referencia a una neurona de retardo. Luego actualiza el listado que aparece en la ventana Obtener Valor Futuro (ver
Figura 2.22).
El usuario en la ventana Obtener Valor Futuro selecciona el nombre
de la variable que referencia la neurona a la cual se le desea obtener el
valor futuro.
El sistema obtiene el valor futuro de la neurona de retardo que se
encuentra referenciada por la variable seleccionada (preguntando a
66
PRELIMINAR
Y DISENO
la neurona referenciada por su entrada y cuidando de no olverse a
preguntar recursivamente o ejecutando algun procedimiento definido
por el usuario) y lo muestra en la misma ventana Obtener Valor
Futuro.
ventana.
nombreVariable.obtenerValorFuturo ( );
// El valor futuro es: valorFuturo.
(nombreVariable y valorFuturo corresponden respectivamente al nombre de la variable que referencia a la neurona deseada y al valor futuro
de dicha neurona de retardo).
Finalmente el sistema cierra la ventana Obtener Valor Futuro.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Obtener Valor Futuro, el sistema cierra dicha ventana quedando en la Ventana
Principal.
Actualizar valor futuro
Curso b
asico
el listado que aparece en la ventana Actualizar Valor Futuro (ver
Figura 2.23).
El usuario en la ventana Actualizar Valor Futuro selecciona el nombre de la variable que referencia la neurona a la cual se le desea actualizar el valor futuro,
El sistema obtiene el valor futuro de la neurona de retardo que se
encuentra referenciada por la variable seleccionada (preguntando a la
neurona referenciada por su entrada o ejecutando algun procedimiento
definido por el usuario) y lo muestra en la misma ventana Actualizar
Valor Futuro.
ventana.
DE LOS CASOS DE USO

3.1. DESCRIPCION
67
El sistema actualiza dicho valor en la neurona de retardo que se encuentra referenciada por la variable seleccionada (ella notifica del cambio
a sus monitores, si los tiene). Tambien muestra en la zona de reporte
de actividades de la Ventana Principal (ver Figura 2.5) el mensaje:
nombreVariable.actualizarValorFuturo ( ); // El valor futuro es: valorFuturo.
(nombreVariable y valorFuturo corresponden respectivamente al nombre de la variable que referencia a la neurona deseada y al nuevo valor
futuro de dicha neurona de retardo).
Finalmente el sistema cierra la ventana Actualizar Valor Futuro
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Actualizar
Valor Futuro, el sistema cierra dicha ventana quedando en la Ventana Principal.
Si no hay una neurona enlazada entonces, el sistema retorna el valor
de cero punto cero (0.0).
Definir nuevo valor futuro
Curso b
asico
El usuario en la ventana Definir Nuevo Valor Futuro (ver Figura
2.24) escribe el nombre del nuevo tipo de neurona de retardo, posteriormente escribe los fragmentos de codigo en Java seg
un sea el caso,
luego el usuario presiona el boton Aceptar de dicha ventana.
del nuevo tipo de neurona de retardo y los fragmentos de codigo Java), verifica que el nombre tenga el formato de un identificador valido,
busca en el disco un tipo que tenga el mismo nombre, construye una
detecto errores de sintaxis en el codigo dado por el usuario, posteriormente el sistema almacena los fragmentos del nuevo tipo de valor
futuro en el disco y elimina el codigo fuente de la clase compilada.
Luego muestra en la zona de reporte de actividades de la Ventana
68
PRELIMINAR
Y DISENO
// Nuevo tipo de neurona de retardo nombreTipoDeNeurona

(nombreTipoDeNeuronaDeRetardo y fragmentosDeCodigoJava corresponde respectivamente al nombre del nuevo tipo de neurona de retardo
y los fragmentos dados por el usuario). Finalmente el sistema cierra
la ventana Definir Nuevo Valor Futuro quedando en la Ventana
Principal.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Definir Nuevo Valor Futuro, el sistema cierra dicha ventana quedando en la Ventana Principal.
Si no se han ingresado datos, el sistema muestra el mensaje Ingrese el
nombre del nuevo tipo de neurona de retardo y el c
odigo Java requerido, en un Di
alogo de Informaci
on (ver Figura 2.60), el usuario
dialogo quedando en la ventana Definir Nuevo Valor Futuro.
Si el formato del nombre del nuevo tipo de neurona no es correcto,
el sistema muestra el mensaje El formato del nombre no corresponde
al de un identificador v
alido, en un Di
sistema cierra el dialogo quedando en la ventana Definir Nuevo Valor
Futuro.
Si no se puede buscar en el disco el nuevo tipo de valor futuro, el
sistema muestra el mensaje Error al buscar el nuevo tipo de valor
futuro en el disco, en un Di
alogo de Error, el usuario presiona el
boton Aceptar de dicho dialogo y el sistema cierra el dialogo y regresa
a la ventana Definir Nuevo Valor Futuro.
Si ya existe otro tipo de neurona de retardo con ese nombre, el sistema muestra el mensaje Ya existe un tipo de neurona de retardo
con ese nombre, en un Di
alogo de Advertencia (ver Figura 2.61),
cierra el dialogo y contin
ua el proceso normal. Si el usuario presiona el
boton Cancelar del dialogo, el sistema cierra el dialogo y regresa a
la ventana Definir Nuevo Valor Futuro sin continuar con el proceso
normal.
DE LOS CASOS DE USO

3.1. DESCRIPCION
69
tipo de neurona de retardo en el disco, en un Di

alogo de Error,
cierra el dialogo y regresa a la ventana Definir Nuevo Valor Futuro.
alogo de
sistema cierra el dialogo y regresa a la ventana Definir Nuevo Valor
Futuro.
Definir Nuevo Valor Futuro.
Si no se puede guardar en el disco el nuevo tipo de neurona de retardo,
el sistema muestra el mensaje Error al almacenar el nuevo tipo de
neurona de retardo en el disco, en un Di
dialogo y regresa a la ventana Definir Nuevo Valor Futuro.
tipo de neurona de retardo, el sistema muestra el mensaje Error al
eliminar la clase del nuevo tipo de neurona de retardo del disco, en un
Di
dialogo y el sistema cierra el dialogo y regresa a la ventana Definir
Nuevo Valor Futuro.
Cargar valor futuro
Curso b
asico
El usuario en la ventana Definir Nuevo Valor Futuro (ver Figura
2.24) presiona el boton Cargar de dicha ventana.
dialogo. El sistema carga la informacion del nuevo valor futuro del
disco, actualiza la ventana Definir Nuevo valor futuro y cierra el
dialogo quedando en la ventana Definir Nuevo Valor Futuro.
Curso alterno
Nuevo Valor Futuro.
70
PRELIMINAR
Y DISENO
Si falla la carga de la informacion del nuevo tipo de neurona de retardo,
el sistema muestra el mensaje Error al cargar los datos del valor
futuro para una neurona de retardo, en un Di
alogo de Error (ver
el sistema cierra el dialogo de error quedando en el dialogo Cargar
archivos.
Enlazar neurona
Curso b
asico
variables que hagan referencia a neuronas de retardo y las que hagan referencia a cualquier tipo de neurona (incluyendo las neuronas
de retardo). Luego actualiza los listados que aparecen en la ventana
Enlazar Neurona (ver Figura 2.25).
El usuario en la ventana Enlazar Neurona selecciona el nombre de la
variable que referencia a una neurona de retardo y selecciona el nombre
de la variable que referencia a otra neurona, posteriormente el usuario
presiona el boton Aceptar de dicha ventana, el sistema enlaza la otra
neurona a la neurona de retardo seleccionada (ella notifica del cambio
a sus monitores, si los tiene).
nombreVariableNR.enlazarNeurona ( nombreVariableNeurona );
(nombreVariableNR y nombreVariableNeurona corresponden respectivamente al nombre de la variable que referencia a la neurona de

retardo y a la variable que referencia a la neurona a enlazar).
Y finalmente el sistema cierra la ventana Enlazar Neurona y activa la
alternativa Desasignar Neurona de la opcion Neurona de Retardo
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Enlazar
Neurona, el sistema cierra dicha ventana quedando en la Ventana
Principal.
Desenlazar neurona
Curso b
asico
DE LOS CASOS DE USO

3.1. DESCRIPCION
71
variables que hagan referencia a neuronas de retardo y que esten enlazadas con otras neuronas. Luego actualiza el listado que aparecen en
la ventana Desenlazar Neurona (ver Figura 2.26).
El usuario en la ventana Desenlazar Neurona selecciona el nombre de
la variable que referencia a una neurona de retardo y posteriormente
el usuario presiona el boton Aceptar de dicha ventana, el sistema
desenlaza la neurona referenciada por la neurona de retardo que referencia la variable seleccionada nombreVariableNeuronaDeRetardo
(ella notifica del cambio a sus monitores, si los tiene).
nombreVariableNeuronaDeRetardo.desenlazarNeurona ( );
(nombreVariableNeuronaDeRetardo corresponde al nombre de la variable que referencia la neurona de retardo deseada).

Posteriormente el sistema cierra la ventana Desenlazar Neurona y
determina si existen otras neuronas enlazadas, de no haber, desactiva
la alternativa Desenlazar Neurona de la opcion Neurona de retardo en la Ventana Principal.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Desenlazar
Principal.
Obtener estado enlace
Curso b
asico
el listado que aparece en la ventana Obtener Estado del Enlace (ver
Figura 2.27).
El usuario en la ventana Obtener Estado del Enlace selecciona el
obtener el estado del enlace.
El sistema obtiene el estado del enlace de la neurona de retardo que
se encuentra referenciada por la variable seleccionada y lo muestra en
la misma ventana Obtener Estado del Enlace.
72
PRELIMINAR
Y DISENO
ventana.
nombreVariable.obtenerEstadoDelEnlace ( );
// El estado del enlace: estadoDelEnlace.
(nombreVariable y estadoDelEnlace corresponden respectivamente

al nombre de la variable que referencia a la neurona deseada y al estado
del enlace de la neurona de retardo).
Finalmente el sistema cierra la ventana Obtener Estado del Enlace.
Curso alterno
Estado del Enlace, el sistema cierra dicha ventana quedando en la
Ventana Principal.
Obtener con quien se relaciona
Curso b
asico
el listado que aparece en la ventana Obtener con quien se Relaciona
(ver Figura 2.28).
El usuario en la ventana Obtener con quien se Relaciona selecciona
el nombre de la variable que referencia la neurona a la cual se le desea
obtener la lista de neuronas con las cuales se relaciona.
El sistema obtiene la lista de las neuronas con las cuales se relaciona
la neurona de retardo que se encuentra referenciada por la variable
seleccionada y la muestra en la misma ventana Obtener con quien se
Relaciona.
ventana.
nombreVariable.obtenerConQuienSeRelaciona ( );
/* Se relacionada con: listaDeNeuronasRelacionadas */
DE LOS CASOS DE USO

3.1. DESCRIPCION
73
(nombreVariable y listaDeNeuronasRelacionadas corresponden respectivamente al nombre de la variable que referencia a la neurona deseada y al listado de las neuronas con las cuales se relaciona la neurona
de retardo).
Finalmente el sistema cierra la ventana Obtener con quien se Relaciona.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Obtener con
quien se Relaciona, el sistema cierra dicha ventana quedando en la
Ventana Principal.
Obtener nombre de la neurona enlazada
Curso b
asico
el listado que aparece en la ventana Obtener Nombre de la Neurona
Enlazada (ver Figura 2.29).
El usuario en la ventana Obtener Nombre de la Neurona Enlazada
selecciona el nombre de la variable que referencia la neurona a la cual
se le desea obtener el nombre de la neurona enlazada.
El sistema obtiene el nombre de la neurona enlazada, o <Libre> si
no hay ninguna enlazada, de la neurona de retardo que se encuentra
ventana Obtener Nombre de la Neurona Enlazada.
ventana.
nombreVariable.obtenerNombreNeuronaEnlazada ( );
// El nombre de la neurona enlazada es: nombreNeuronaEnlazada.
(nombreVariable y nombreNeuronaEnlazada corresponden respectivamente al nombre de la variable que referencia la neurona deseada y
al nombre de la neurona enlazada o <Libre>).
Finalmente el sistema cierra la ventana Obtener Nombre de la Neurona Enlazada.
74
PRELIMINAR
Y DISENO
Curso alterno
Nombre de la Neurona Enlazada, el sistema cierra dicha ventana
Crear monitor
Curso b
asico
para neuronas de retardo, y actualiza el listado que aparece en la
para neuronas de retardo, y escribe el nombre para la variable a la que
El sistema verifica que se hayan ingresado datos (se espera el nombre de la variable), verifica que el nombre tengan el formato de un
identificador valido, busca en la lista de variables otra variable con
el mismo nombre, crea un monitor de este tipo, luego adiciona una
nueva entrada a la lista de variables (indicando el nombre, el tipo de
variable -monitor de neurona de retardo- y una referencia al nuevo monitor), posteriormente muestra en la zona de reporte de actividades de
la Ventana Principal (ver Figura 2.5) el mensaje:
TipoMonitorNeuronaRetardo nombreVariableMonitor;
nombreVariableMonitor = new TipoMonitorNeuronaRetardo ( );
(TipoMonitorNeuronaRetardo y nombreVariableMonitor corresponden respectivamente al tipo de monitor seleccionado y al nombre de la

variable definido por el usuario).
alternativa Asignar monitor, de la opcion Neurona de Retardo en
Curso alterno
DE LOS CASOS DE USO

3.1. DESCRIPCION
75
un Di
Si en el disco no se encuentran monitores para neuronas de retardo, el
hay monitores disponibles para neuronas de retardo, en un Di
alogo de
Informaci
de dicho dialogo y el sistema cierra el dialogo quedando en la Ventana
Principal.
alogo de Informaci
on, el usuario
alido,
en un Di
Crear Monitor.
un Di
alogo de Informaci
Crear Monitor.
Di
Monitor.
Asignar monitor
Curso b
asico
variables que hagan referencia a monitores de neurona de retardo y
las que hagan referencia a neuronas de retardo. Luego actualiza los
2.16).
El usuario en la ventana Asignar Monitor selecciona el nombre de
la variable que referencia a un monitor y selecciona el nombre de la
variable que referencia a una neurona de retardo, posteriormente el
76
PRELIMINAR
Y DISENO
usuario presiona el boton Aceptar de dicha ventana, el sistema le
adiciona la referencia del monitor a la neurona de retardo seleccionada.

los nombres de las variables que hacen referencia a la neurona de retardo y al monitor respectivamente).
alternativa Desasignar Monitor de la opcion Neurona de Retardo
Curso alterno
Principal.
retardo, el sistema cierra la ventana Asignar Monitor, y muestra
el mensaje No hay variables disponibles a neuronas de retardo, en
un Di
alogo de Informaci
Desasignar monitor
Curso b
asico
variables que hagan referencia a monitores de neurona de retardo y
las que hagan referencia a neuronas de retardo. Luego actualiza los
2.17).
la variable que referencia a una neurona de retardo, posteriormente el
a la neurona referenciada por la variable nombreVariableNeurona.
DE LOS CASOS DE USO

3.1. DESCRIPCION
77


nombre de las variables que referencian a una neurona de retardo y a
Curso alterno
Principal.
neurona de retardo, a
Curso b
asico
// Nuevo monitor nombreTipoMonitor para neuronas de retardo

78
PRELIMINAR
Y DISENO
(nombreTipoMonitor y fragmentosDeCodigoJava corresponde respectivamente al nombre del nuevo tipo de monitor y a los fragmentos dados por el usuario). Finalmente el sistema cierra la ventana Definir
Curso alterno
Principal.
un Di
alogo de Informaci
alido, en un Di
un Di
alogo
DE LOS CASOS DE USO

3.1. DESCRIPCION
79

Monitor.
Si no se puede guardar en el disco el nuevo tipo de monitor, el sistema
muestra el mensaje Error al almacenar el nuevo tipo de monitor en el
disco, en un Di
alogo de Error, el usuario presiona el boton Aceptar de dicho dialogo y el sistema cierra el dialogo y regresa a la ventana
alogo de Error,
Cargar monitor
Curso b
asico
Curso alterno
Nuevo Monitor.

PRELIMINAR
Y DISENO
80
3.1.4.
Paquete neurona de proceso
Crear neurona
Curso b
asico
El usuario en la ventana Crear Neurona de Proceso (ver Figura
2.31) escribe el nombre de la variable a la que se le asignara la nueva
neurona de proceso, el nombre para dicha neurona, y la cantidad de
entradas que desea. Finalmente presiona el boton Aceptar que se
encuentra en la misma ventana.
El sistema verifica que se hayan ingresado los datos (se espera el nombre de la variable, el de la neurona y el n
umero de entradas), verifica
que los nombres tengan el formato de un identificador valido, al igual
que verifica el formato del n
umero de entradas, busca en la lista de
variables otra variable con el mismo nombre, busca en la lista de neuronas de proceso otra neurona con el mismo nombre, crea una neurona
de proceso (asignandole el nombre, funcion base lineal, funcion de activacion/transferencia identidad, umbral en cero y creando el n
umero
de entradas especificadas), la adiciona a la lista de neuronas de proceso, luego adiciona una nueva entrada a la lista de variables (indicando
el nombre, el tipo de variable -neurona de proceso- y una referencia a
la nueva neurona), posteriormente muestra en la zona de reporte de
actividades de la Ventana Principal (ver Figura 2.5) el mensaje:
NeuronaDeProceso nombreVariable;
nombreVariable = new NeuronaDeProceso ( nombreNeurona, numeroDeEntradas );
(nombreVariable , nombreNeurona y numeroDeEntradas corresponden respectivamente al nombre de la variable que referencia la neurona
de proceso, el nombre y el n
umero de entradas para dicha neurona de
proceso).
activa las alternativas
Obtener Nombre, Obtener N
umero de Entradas, Enlazar Neurona, Obtener Estado de una Entrada, Obtener con quien se Relaciona, Obtener Nombre de una Neurona Enlazada, Obtener Peso de un Enlace, Cambiar Peso de un Enlace, Obtener Funci
on
Base, Cambiar Funci
on Base, Definir Nueva Funci
on Base, Obtener Funci
on de Activaci
on, Cambiar Funci
on de Activaci
on, Definir Nueva Funci
on de Activaci
on, Obtener Funci
on de Transferencia, Cambiar Funci
on de Transferencia, Definir Nueva Funci
on
DE LOS CASOS DE USO

3.1. DESCRIPCION
81
de Transferencia, Obtener Umbral de Activaci

on, Cambiar Umbral
de Activaci
on, Obtener Potencial de Activaci
on y Obtener Valor
de Activaci
on de la opcion Neurona de Proceso en la Ventana
Principal.
Y finalmente el sistema cierra la ventana Crear Neurona de Proceso.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Crear Neurona de Proceso, el sistema cierra dicha ventana quedando en la Ventana Principal.
el nombre de la variable, el de la neurona y el n
umero de entradas
, en un Di
alogo de Informaci
on (ver Figura 2.60), el usuario presiona el boton Aceptar de dicho dialogo y el sistema cierra el dialogo
quedando en la ventana Crear neurona de Proceso.
alido, en un Di
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Crear Neurona de Proceso.
Si el formato del n
umero de entradas no es correcto, el sistema muestra
el mensaje El formato del n
umero de entradas no corresponde al de
un n
umero entero positivo, en un Di
alogo de Error, el usuario presiona el boton Aceptar de dicho dialogo y el sistema cierra el dialogo
quedando en la ventana Crear Neurona de Proceso.
un Di
alogo de Informaci
Crear Neurona de Proceso.
Si en la lista de neuronas de proceso ya existe otra con el mismo
nombre, el sistema muestra el mensaje Ya existe una neurona de
proceso con el mismo nombre, en un Di
alogo de Informaci
on, el
el dialogo quedando en la ventana Crear Neurona de Proceso.
Si falla le creacion de la neurona de proceso, el sistema muestra el
mensaje Error al crear la neurona de proceso, en un Di
alogo de
82
PRELIMINAR
Y DISENO
sistema cierra el dialogo quedando en la ventana Crear Neurona de
Proceso.
Di
Neurona de Proceso.
alogo de Error,
cierra el dialogo quedando en la ventana Crear Neurona de Proceso.
Obtener nombre
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a una neurona de proceso. Luego actualiza
2.12).
nombre.
El sistema obtiene el nombre de la neurona de proceso que se encuentra
ventana.
nombreVariable.obtenerNombreDeLaNeurona ( );
// El nombre es: nombreNeurona.
(nombreNeurona y nombreVariable corresponden respectivamente al

nombre de la neurona de proceso y al de la variable que la referencia).
Curso alterno
DE LOS CASOS DE USO

3.1. DESCRIPCION
83

Principal.
Obtener n
umero de entradas
Curso b
asico
el listado que aparece en la ventana Obtener N
umero de Entradas
(ver Figura 2.32).
El usuario en la ventana Obtener N
umero de Entradas selecciona el
obtener el n
umero de entradas.
El sistema obtiene el n
umero de entradas de la neurona de proceso que
se encuentra referenciada por la variable seleccionada y lo muestra en
la misma ventana Obtener N
umero de Entradas.
ventana.
nombreVariable.obtenerNumeroDeEntradas ( );
// El n
umero de entradas es: numeroDeEntradas.
(nombreVariable y numeroDeEntradas corresponden respectivamente

al nombre de la variable que referencia la neurona de proceso deseada
y al n
umero de entradas de la neurona de proceso).
Finalmente el sistema cierra la ventana Obtener N
umero de Entradas.
Curso alterno
N
umero de Entradas, el sistema cierra dicha ventana quedando en la
Ventana Principal.
Enlazar neurona
Curso b
asico
variables que hagan referencia a neuronas de proceso y las que hagan
84
PRELIMINAR
Y DISENO
referencia a cualquier tipo de neurona (incluyendo las neuronas de proceso). Tambien obtiene el n
umero de entradas de la primera neurona
de proceso que se encuentra en la lista. Luego actualiza los listados
que aparecen en la ventana Enlazar Neurona en una Entrada (ver
Figura 2.33), para el caso del n
umero de la entrada a enlazar, sera un
listado desde uno hasta el n
umero de entradas de esa neurona.
El usuario en la ventana Enlazar Neurona en una Entrada selecciona
el nombre de la variable que referencia a una neurona de proceso,
selecciona el nombre de la variable que referencia a otra neurona y
selecciona el n
umero de la entrada a enlazar, posteriormente el usuario
presiona el boton Aceptar de dicha ventana, luego el sistema enlaza
la otra neurona (valor de la variable nombreVariableNeurona) a la
neurona de proceso referenciada por la variable nombreVariableNP
(ella notifica del cambio a sus monitores, si los tiene), en la entrada
especificada.
nombreVariableNP.enlazarNeurona ( nombreVariableNeurona, numeroDeEntrada );
(nombreVariableNP, nombreVariableNeurona y numeroDeEntrada corresponden respectivamente al nombre de la variable que referencia a

la neurona de proceso, a la variable que referencia a la neurona a enlazar y por supuesto al n
umero de la entrada a utilizar para realizar
el enlace).
Finalmente, el sistema activa la alternativa Desenlazar Neurona en
una Entrada de la opcion Neurona de Proceso en la Ventana Principal y cierra la ventana Enlazar Neurona en una Entrada.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Enlazar
Neurona en una Entrada, el sistema cierra dicha ventana quedando
Cada vez que el usuario seleccione otra neurona de proceso, el sistema
obtiene el n
umero de entradas de esta nueva neurona y actualiza la lista
de la ventana Enlazar Neurona en una Entrada que hace referencia
a este n
umero.
DE LOS CASOS DE USO

3.1. DESCRIPCION
85
Desenlazar neurona
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a neuronas de proceso y que tengan entradas
enlazadas. Tambien obtiene el n
umero de entradas de la primera neurona de proceso que se encuentra en la lista. Luego actualiza el listado
que aparecen en la ventana Desenlazar Neurona en una Entrada
umero de la entrada a desenlazar,
(ver Figura 2.34), para el caso del n
sera un listado de las entradas de esa neurona que se encuentran enlazadas.
El usuario en la ventana Desenlazar Neurona en una Entrada selecciona el nombre de la variable que referencia a una neurona de
proceso y selecciona la entrada a desenlazar, posteriormente el usuario
presiona el boton Aceptar de dicha ventana, el sistema desenlaza la
neurona referenciada por la neurona de proceso que referencia la variable seleccionada nombreVariableNeurona (ella notifica del cambio a
sus monitores, si los tiene), en la entrada especificada.
nombreVariableNeurona.desenlazarNeurona ( numeroDeEntrada );
(nombreVariableNeurona y numeroDeEntrada corresponden respectivamente al nombre de la variable seleccionada por el usuario, y a de

la entrada respectiva).
Y posteriormente el sistema determina si existen otras neuronas enlazadas, de no haber, desactiva la alternativa Desenlazar Neurona
en una Entrada de la opcion Neurona de proceso en la Ventana
Principal y cierra la ventana Desenlazar Neurona en una Entrada.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Desenlazar
Principal.
obtiene el n
umero de entradas de esta nueva neurona y actualiza la
lista de la ventana Desenlazar Neurona en una Entrada
86
PRELIMINAR
Y DISENO
Obtener estado de un enlace
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a neuronas de proceso. Tambien obtiene el
n
umero de entradas de la primera neurona de proceso que se encuentra en la lista. Luego actualiza los listados que aparecen en la ventana
Obtener Estado de una Entrada (ver Figura 2.35), para el caso del
n
umero de la entrada a enlazar, sera un listado desde uno hasta el
n
El usuario en la ventana Obtener Estado de una Entrada selecciona
obtener el estado de un enlace, y por supuesto selecciona la entrada
deseada.
El sistema obtiene el estado del enlace de la entrada especificada de
la neurona de proceso que se encuentra referenciada por la variable
seleccionada y lo muestra en la misma ventana Obtener Estado de
una Entrada.
ventana.
nombreVariable.obtenerEstadoDelEnlaceDeLaEntrada ( NumeroEntrada );
// El estado es: estadoDelEnlace.
(nombreVariable, NumeroEntrada y estadoDelEnlace corresponden

respectivamente al nombre de la variable que referencia a la neurona
de proceso, al n
umero de la entrada y por supuesto al estado de dicho
enlace).
Finalmente el sistema cierra la ventana Obtener Estado de una Entrada.
Curso alterno
Estado de una Entrada, el sistema cierra dicha ventana quedando en
obtiene el n
lista de la ventana Obtener Estado de una Entrada
DE LOS CASOS DE USO

3.1. DESCRIPCION
87
Obtener con quien se relaciona

Curso b
asico
el listado que aparece en la ventana Obtener con quien se Relaciona
(ver Figura 2.28).
El usuario en la ventana Obtener con quien se Relaciona selecciona
obtener la lista de neuronas con las cuales se relaciona.
El sistema obtiene la lista de las neuronas con las cuales se relaciona
seleccionada (preguntando a las neuronas referenciadas por todas sus
entradas y cuidando de no olverse a preguntar recursivamente) y la
muestra en la misma ventana Obtener con quien se Relaciona.
ventana.
nombreVariable.obtenerConQuienSeRelaciona ( );
/* Se relacionada con: listaDeNeuronasRelacionadas */
(nombreVariable y listaDeNeuronasRelacionadas corresponden respectivamente al nombre de la variable que referencia la neurona de

proceso deseada y al listado de las neuronas con las cuales se relaciona la neurona de proceso, en esta lista se indica el lugar en donde
se detecte una recursion en los enlaces de la neurona).
Finalmente el sistema cierra la ventana Obtener con quien se Relaciona.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Obtener con
quien se Relaciona, el sistema cierra dicha ventana quedando en la
Ventana Principal.
Obtener nombre de la neurona enlazada
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a neuronas de proceso. Tambien obtiene el
88
PRELIMINAR
Y DISENO
n
umero de entradas de la primera neurona de proceso que se encuentra en la lista. Luego actualiza los listados que aparecen en la ventana
Obtener Nombre de una Neurona Enlazada (ver Figura 2.36), para
el caso del n
umero de la entrada a enlazar, sera un listado desde uno
hasta el n
El usuario en la ventana Obtener Nombre de una Neurona Enlazada
selecciona el nombre de la variable que referencia la neurona a la cual
se le desea obtener el nombre de la neurona enlazada, y por supuesto
selecciona la entrada deseada.
El sistema obtiene el nombre de la neurona enlazada o <Libre> (si
esta libre) de la entrada especificada de la neurona de proceso que
se encuentra referenciada por la variable seleccionada (preguntando
el nombre a la neurona referenciada por la entrada especificada) y
lo muestra en la misma ventana Obtener Nombre de una Neurona
Enlazada.
ventana.
nombreVariable.obtenerNombreDeNeuronaEnlazada ( NumeroEntrada );,

// El nombre es: nombreDeLaNeuronaEnlazada.
(nombreVariable, NumeroEntrada y nombreDeLaNeuronaEnlazada corresponden respectivamente al nombre de la variable que referencia a la

neurona de proceso deseada, al n
umero de la entrada y por supuesto al
nombre de la neurona enlazada en dicha entrada o <Libre> si esta
libre).
Finalmente el sistema cierra la ventana Obtener Nombre de una Neurona Enlazada.
Curso alterno
Nombre de una Neurona Enlazada, el sistema cierra dicha ventana
obtiene el n
lista de la ventana Obtener Nombre de una Neurona Enlazada
DE LOS CASOS DE USO

3.1. DESCRIPCION
89
Obtener peso enlace

Curso b
asico
variables que hagan referencia a neuronas de proceso. Tambien obtiene el n
umero de entradas de la primera neurona de proceso que se
encuentra en la lista. Luego actualiza los listados que aparecen en la
ventana Obtener Peso de un Enlace (ver Figura 2.37), para el caso
del n
umero de la entrada a enlazar, sera un listado desde uno hasta el
n
El usuario en la ventana Obtener Peso de un Enlace selecciona el
obtener el estado de un enlace, y por supuesto selecciona la entrada
deseada.
El sistema obtiene el peso del enlace en la entrada especificada de
seleccionada y lo muestra en la misma ventana Obtener Peso de un
Enlace.
ventana.
nombreVariable.obtenerPesoEnlaceDeLaEntrada ( NumeroEntrada );
// El peso es: pesoDelEnlace.
(nombreVariable, NumeroEntrada y pesoDelEnlace corresponden respectivamente al nombre de la variable que referencia a la neurona de
proceso deseada, al n
umero de la entrada y por supuesto al peso del
enlace de dicha entrada).
Finalmente el sistema cierra la ventana Obtener Peso de un Enlace.
Curso alterno
Peso de un Enlace, el sistema cierra dicha ventana quedando en la
Ventana Principal.
obtiene el n
lista de la ventana Obtener Peso de un Enlace
90
PRELIMINAR
Y DISENO
Cambiar peso enlace
Curso b
asico
variables que hagan referencia a neuronas de proceso. Tambien obtiene el n
umero de entradas de la primera neurona de proceso que se
encuentra en la lista. Luego actualiza los listados que aparecen en la
ventana Cambiar Peso de un Enlace (ver Figura 2.38), para el caso
del n
umero de la entrada, sera un listado desde uno hasta el n
umero
de entradas de esa neurona.
El usuario en la ventana Cambiar Peso de un Enlace selecciona el
cambiar el peso del enlace de la entrada especificada, por supuesto
selecciona la entrada deseada y digita el nuevo peso para el enlace.
Finalmente el usuario presiona el boton Aceptar que se encuentra
El sistema verifica que se hayan ingresado los datos (se espera el peso
para el enlace), verifica el formato del peso del enlace, luego cambia el
peso del enlace de la entrada especificada de la neurona de proceso que
se encuentra referenciada por la variable seleccionada (ella notifica del
cambio a sus monitores, si los tiene) y lo muestra en la misma ventana
Cambiar Peso de un Enlace. Tambien muestra en la zona de reporte
de actividades de la Ventana Principal (ver Figura 2.5) el mensaje:
nombreVariable.cambiarPesoEnlaceDeLaEntrada ( NumeroEntrada, pesoDelEnlace );
(nombreVariable, NumeroEntrada y pesoDelEnlace corresponden respectivamente al nombre de la variable que referencia a la neurona de
proceso deseada, al n
umero de la entrada y por supuesto al peso del
enlace de dicha entrada).
Finalmente el sistema cierra la ventana Cambiar Peso de un Enlace.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Cambiar
Peso de un Enlace, el sistema cierra dicha ventana quedando en la
Ventana Principal.
el peso para un enlace , en un Di
alogo de Informaci
on (ver Figura
DE LOS CASOS DE USO

3.1. DESCRIPCION
91
sistema cierra el dialogo quedando en la ventana Cambiar Peso de

un Enlace.
Si el formato del peso del enlace no es correcto, el sistema muestra el
mensaje El formato del peso de la entrada no corresponde al de un
n
umero real, en un Di
dialogo quedando en la ventana Cambiar Peso de un Enlace.
obtiene el n
lista de la ventana Cambiar Peso de un Enlace
Obtener funci
on base
Curso b
asico
variables que hagan referencia a una neurona de proceso. Luego actualiza el listado que aparece en la ventana Obtener Funci
on Base
(ver Figura 2.39).
El usuario en la ventana Obtener Funci
on Base selecciona el nombre
de la variable que referencia la neurona a la cual se le desea obtener el
nombre de la funcion base asignada a la neurona.
El sistema obtiene el nombre de la funcion base de la neurona de
proceso que se encuentra referenciada por la variable seleccionada y lo
muestra en la misma ventana Obtener Funci
on Base.
ventana.
nombreVariable.obtenerNombreFuncionBase ( );
// La funci
on base es: nombreDeLaFuncionBase.
(nombreVariable y nombreDeLaFuncionBase corresponden respectivamente al nombre de la variable que referencia a la neurona de proceso
seleccionada y al nombre de la funcion base de dicha neurona).
Finalmente el sistema cierra la ventana Obtener Funci
on Base.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Obtener Funci
on Base, el sistema cierra dicha ventana quedando en la Ventana
Principal.
92
PRELIMINAR
Y DISENO
Cambiar funci
on base
Curso b
asico
variables que hagan referencia a neuronas de proceso y obtiene la lista
de todas las funciones base disponibles (incluyendo las estandar y las
definidas por el usuario en el disco). Luego actualiza los listados que
aparecen en la ventana Cambiar Funci
on Base (ver Figura 2.40).
El usuario en la ventana Cambiar Funci
on Base selecciona el nombre
de la variable que referencia a una neurona de proceso y selecciona el
nombre de la funcion base que desea asignar, posteriormente el usuario
presiona el boton Aceptar de dicha ventana, luego el sistema cambia
la funcion base de la neurona referenciada por la variable seleccionada
(ella notifica del cambio a sus monitores, si los tiene).
nombreVariable.cambiarFuncionBase ( new nombreFuncionBase( ) );
(nombreVariable y nombreFuncionBase corresponden respectivamente

al nombre de la variable que referencia la neurona de proceso deseada
y el nombre de la funcion base a asignar).
Y finalmente el sistema cierra la ventana Cambiar Funci
on Base.
Curso alterno
Funci
on Base, el sistema cierra dicha ventana quedando en la Ventana Principal.
Si falla la recuperacion del disco, el sistema ignora el error y solo
muestra las funciones base estandar.
Definir nueva funci
on base
Curso b
asico
El usuario en la ventana Definir Nueva Funci
on Base (ver Figura
2.41) escribe el nombre de la nueva funcion base, posteriormente escribe el fragmento de codigo en Java que define la funcion, luego el
usuario presiona el boton Aceptar de dicha ventana.
del nuevo tipo de funcion base y el fragmento de codigo Java), verifica que el nombre tenga el formato de un identificador valido, busca
DE LOS CASOS DE USO

3.1. DESCRIPCION
93
en el disco una funcion base que tenga el mismo nombre, construye

una clase valida en Java (uniendo el fragmento dado por el usuario
con partes fijas de codigo predeterminado, y guardandolo en el disco
con el nombre de la clase especificada), posteriormente le solicita a
Java que compile la nueva clase. Luego el sistema determina si el compilador detecto errores de sintaxis en el codigo dado por el usuario,
posteriormente el sistema almacena los fragmentos del nuevo tipo de
monitor en el disco y elimina el codigo fuente de la clase compilada.
// Nueva funci
on base nombreFuncionBase
/* fragmentoDeCodigoJava*/
(nombreFuncionBase y fragmentoDeCodigoJava corresponden respectivamente al nombre del nuevo tipo de funcion base y a el fragmento
dado por el usuario). Finalmente el sistema cierra la ventana Definir
Nueva Funci
on Base quedando en la Ventana Principal.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Definir Nueva Funci
on Base, el sistema cierra dicha ventana quedando en la
Ventana Principal.
nombre del nuevo tipo de funci
on base y el c
un Di
alogo de Informaci
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Definir Nueva Funci
on Base.
Si el formato del nombre del nuevo tipo de funcion base no es correcto,
alido, en un Di
2.59), el usuario presiona el boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Definir Nueva Funci
on
Base.
Si no se puede buscar en el disco el nuevo tipo de funcion base, el
sistema muestra el mensaje Error al buscar el nuevo tipo de funci
on
base en el disco, en un Di
ventana Definir Nueva Funci
on Base.
94
PRELIMINAR
Y DISENO
Si ya existe otro tipo de funcion base con ese nombre, el sistema muestra el mensaje Ya existe un tipo de funci
on base con ese nombre,
en un Di
alogo de Advertencia (ver Figura 2.61), el usuario presiona
el boton Aceptar de dicho dialogo y el sistema cierra el dialogo y
contin
Nueva Funci
on Base sin continuar con el proceso normal.
tipo de funci
on base, en un Di
alogo de Error, el usuario presiona
regresa a la ventana Definir Nueva Funci
on Base.
alogo de
sistema cierra el dialogo y regresa a la ventana Definir Nueva Funci
on
Base.
Definir Nueva Funci
on Base.
Si no se puede guardar en el disco el nuevo tipo de funcion base,
el sistema muestra el mensaje Error al almacenar el nuevo tipo de
funci
on base en el disco, en un Di
alogo de Error, el usuario presiona
regresa a la ventana Definir Nueva Funci
on Base.
tipo de funcion base, el sistema muestra el mensaje Error al eliminar
la clase del nuevo tipo de funci
on base del disco, en un Di
alogo de
on
Base.
Cargar funci
on base
Curso b
asico
on Base (ver Figura
DE LOS CASOS DE USO

3.1. DESCRIPCION
95

dialogo. El sistema carga la informacion de la nueva funcion base del
disco, actualiza la ventana Definir Nueva Funci
on Base y cierra el
dialogo quedando en la ventana Definir Nueva Funci
on Base.
Curso alterno
Nueva Funci
on Base.
Si falla la carga de la informacion del nuevo tipo de funcion base, el
sistema muestra el mensaje Error al cargar los datos de la funcion
base, en un Di
alogo de Error (ver Figura 2.59), el usuario presiona
el boton Aceptar de dicho dialogo, el sistema cierra el dialogo de
error quedando en el dialogo Cargar archivos.
Obtener funci
on de activaci
on
Curso b
asico
el listado que aparece en la ventana Obtener Funci
on de Activaci
on
(ver Figura 2.42).
on de Activaci
on selecciona
obtener el nombre de la funcion de activaci
on asignada a la neurona.
El sistema obtiene el nombre de la funcion de activaci
on de la neurona
de proceso que se encuentra referenciada por la variable seleccionada
y lo muestra en la misma ventana Obtener Funci
on de Activaci
on.
ventana.
nombreVariable.obtenerNombreFuncionDeActivacion ( );,
// La funci
on de activaci
on es: nombreDeLaFuncionDeActivacion.
(nombreVariable y nombreDeLaFuncionDeActivacion corresponden

respectivamente al nombre de la variable que referencia a la neurona
de proceso seleccionada y al nombre de la funcion de activaci
on de
dicha neurona).
96
PRELIMINAR
Y DISENO
on de Activaci
on.
Curso alterno
Funci
on de Activaci
on, el sistema cierra dicha ventana quedando en
Cambiar funci
on de activaci
on
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a neuronas de proceso y obtiene la lista de
todas las funciones de activaci
on disponibles (incluyendo las estandar
y las definidas por el usuario en el disco). Luego actualiza los listados
que aparecen en la ventana Cambiar Funci
on de Activaci
on (ver
Figura 2.43).
on de Activaci
on selecciona
el nombre de la variable que referencia a una neurona de proceso y
selecciona el nombre de la funcion de activaci
on que desea asignar,
posteriormente el usuario presiona el boton Aceptar de dicha ventana, luego el sistema cambia la funcion de activacion de la neurona
referenciada por la variable seleccionada (ella notifica del cambio a sus
monitores, si los tiene).
nombreVariable.cambiarFuncionDeActivacion ( nombreFuncionDeActivacion );
(nombreVariable y nombreFuncionDeActivacion corresponden respectivamente al nombre de la variable que referencia la neurona de

proceso deseada y el nombre de la funcion de activaci
on a asignar).
Finalmente el sistema cierra la ventana Cambiar Funci
on de Activaci
on.
Curso alterno
Funci
on de Activaci
DE LOS CASOS DE USO

3.1. DESCRIPCION
97
Definir nueva funci

on de activaci
on
Curso b
asico
on de Activaci
on (ver
Figura 2.44) escribe el nombre de la nueva funcion de activaci
on, posteriormente escribe el fragmento de codigo en Java que define la funcion,
luego el usuario presiona el boton Aceptar de dicha ventana.
del nuevo tipo de funcion de activaci
on y el fragmento de codigo Java),
verifica que el nombre tenga el formato de un identificador valido,
busca en el disco una funcion de activaci
on que tenga el mismo nombre,
construye una clase valida en Java (uniendo el fragmento dado por el
usuario con partes fijas de codigo predeterminado, y guardandolo en el
disco con el nombre de la clase especificada), posteriormente le solicita
a Java que compile la nueva clase. Luego el sistema determina si el
compilador detecto errores de sintaxis en el codigo dado por el usuario,
// Nueva funci
on de activaci
on nombreFuncionActivacion
/* fragmentoDeCodigoJava */
(nombreFuncionActivacion y fragmentoDeCodigoJava corresponden

respectivamente al nombre del nuevo tipo de funcion de activaci
on y a
el fragmento dado por el usuario). Finalmente el sistema cierra la ventana Definir Nueva Funci
on de Activaci
on quedando en la Ventana
Principal.
Curso alterno
on de Activaci
on, el sistema cierra dicha ventana quedando
Si no se han ingresado datos, el sistema muestra el mensaje Ingrese el nombre del nuevo tipo de funci
on de activaci
on y el c
odigo
Java requerido, en un Di
alogo de Informaci
on (ver Figura 2.60),
cierra el dialogo quedando en la ventana Definir Nueva Funci
on de
Activaci
on.
98
PRELIMINAR
Y DISENO
Si el formato del nombre del nuevo tipo de funcion de activaci
on no
es correcto, el sistema muestra el mensaje El formato del nombre no
corresponde al de un identificador v
alido, en un Di
alogo de Error
dialogo y el sistema cierra el dialogo quedando en la ventana Definir
Nueva Funci
on de Activaci
on.
Si no se puede buscar en el disco el nuevo tipo de funcion de activaci
on,
el sistema muestra el mensaje Error al buscar el nuevo tipo de funci
on
de activaci
on en el disco, en un Di
alogo de Error, el usuario presiona el boton Aceptar de dicho dialogo y el sistema cierra el dialogo
y regresa a la ventana Definir Nueva Funci
on de Activaci
on.
Si ya existe otro tipo de funcion de activaci
on con ese nombre, el
sistema muestra el mensaje Ya existe un tipo de funci
on de activaci
on
con ese nombre, en un Di
alogo de Advertencia (ver Figura 2.61),
cierra el dialogo y contin
ua el proceso normal. Si el usuario presiona el
boton Cancelar del dialogo, el sistema cierra el dialogo y regresa a
la ventana Definir Nueva Funci
on de Activaci
on sin continuar con
el proceso normal.
tipo de funci
on de activaci
on, en un Di
dialogo y regresa a la ventana Definir Nueva Funci
on de Activaci
on.
alogo de
on
de Activaci
on.
Definir Nueva Funci
on de Activaci
on.
Si no se puede guardar en el disco el nuevo tipo de funcion de activacion, el sistema muestra el mensaje Error al almacenar el nuevo
tipo de funci
on de activaci
on en el disco, en un Di
alogo de Error,
cierra el dialogo y regresa a la ventana Definir Nueva Funci
on de
Activaci
on.
DE LOS CASOS DE USO

3.1. DESCRIPCION
99

tipo de funcion de activaci
on, el sistema muestra el mensaje Error al
eliminar la clase del nuevo tipo de funci
on de activaci
on del disco, en
un Di
dialogo y el sistema cierra el dialogo y regresa a la ventana Definir
Nueva Funci
on de Activaci
on.
Cargar funci
on de activaci
on
Curso b
asico
on de Activaci
on (ver
Figura 2.44) presiona el boton Cargar de dicha ventana.
nombre del archivo que desea y presiona el boton Cargar de dicho dialogo. El sistema carga la informacion de la nueva funcion de
activacion del disco, actualiza la ventana Definir Nueva Funci
on de
Activaci
on y cierra el dialogo quedando en la ventana Definir Nueva
Funci
on de Activaci
on.
Curso alterno
Nueva Funci
on de Activaci
on.
Si falla la carga de la informacion del nuevo tipo de funcion de activacion, el sistema muestra el mensaje Error al cargar los datos de la
funci
on de activaci
on, en un Di
alogo de Error (ver Figura 2.59), el
usuario presiona el boton Aceptar de dicho dialogo, el sistema cierra
el dialogo de error quedando en el dialogo Cargar archivos.
Obtener funci
on de transferencia
Curso b
asico
el listado que aparece en la ventana Obtener Funci
on de Transferencia (ver Figura 2.45).
on de Transferencia selecciona el nombre de la variable que referencia la neurona a la cual se le
desea obtener el nombre de la funcion de transferencia asignada a la
neurona.
100
PRELIMINAR
Y DISENO
El sistema obtiene el nombre de la funcion de transferencia de la neurona de proceso que se encuentra referenciada por la variable seleccionada y lo muestra en la misma ventana Obtener Funci
on de Transferencia.
ventana.
nombreVariable.obtenerNombreFuncionDeTransferencia ( );
// La funci
on de transferencia es: nombreFuncionDeTransferencia.
(nombreVariable y nombreFuncionDeTransferencia corresponden respectivamente al nombre de la variable que referencia a la neurona de

proceso seleccionada y al nombre de la funcion de transferencia de
dicha neurona).
Curso alterno
Funci
on de Transferencia, el sistema cierra dicha ventana quedando
Cambiar funci
on de transferencia
Curso b
asico
El sistema obtiene de la lista de variables, el listado de todas las variables que hagan referencia a neuronas de proceso y obtiene la lista
de todas las funciones de transferencia disponibles (incluyendo las estandar y las definidas por el usuario en el disco). Luego actualiza los
listados que aparecen en la ventana Cambiar Funci
on de Transferencia (ver Figura 2.46).
on de Transferencia selecciona el nombre de la variable que referencia a una neurona de proceso
y selecciona el nombre de la funcion de transferencia que desea asignar, posteriormente el usuario presiona el boton Aceptar de dicha
ventana, luego el sistema cambia la funcion de transferencia de la neurona referenciada por la variable seleccionada (ella notifica del cambio
a sus monitores, si los tiene).
DE LOS CASOS DE USO

3.1. DESCRIPCION
101

nombreVariable.cambiarFuncionDeTransferencia (nombreFuncionDeTransferencia );
(nombreVariable y nombreFuncionDeTransferencia corresponden respectivamente al nombre de la variable que referencia la neurona de

proceso deseada y el nombre de la funcion de transferencia a asignar).
Finalmente el sistema cierra la ventana Cambiar Funci
Curso alterno
Funci
on de Transferencia, el sistema cierra dicha ventana quedando
Definir nueva funci
on de transferencia
Curso b
asico
on de Transferencia
(ver Figura 2.47) escribe el nombre de la nueva funcion de transferencia, posteriormente escribe el fragmento de codigo en Java que define la
funcion, luego el usuario presiona el boton Aceptar de dicha ventana.
del nuevo tipo de funcion de transferencia y el fragmento de codigo Java), verifica que el nombre tenga el formato de un identificador valido,
busca en el disco una funcion de transferencia que tenga el mismo nombre, construye una clase valida en Java (uniendo el fragmento dado por
el usuario con partes fijas de codigo predeterminado, y guardandolo
en el disco con el nombre de la clase especificada), posteriormente le
solicita a Java que compile la nueva clase. Luego el sistema determina
si el compilador detecto errores de sintaxis en el codigo dado por el
usuario, posteriormente el sistema almacena los fragmentos del nuevo tipo de monitor en el disco y elimina el codigo fuente de la clase
compilada. Luego muestra en la zona de reporte de actividades de la
// Nueva funci
on de transferencia nombreFuncionTransferencia
/* fragmentoDeCodigoJava */
102
PRELIMINAR
Y DISENO
(nombreFuncionTransferencia y fragmentoDeCodigoJava corresponden respectivamente al nombre del nuevo tipo de funcion de transferencia y a el fragmento dado por el usuario). Finalmente el sistema cierra
la ventana Definir Nueva Funci
on de Transferencia quedando en la
Ventana Principal.
Curso alterno
on de Transferencia, el sistema cierra dicha ventana quedando en la Ventana Principal.
el nombre del nuevo tipo de funci
on de transferencia y el c
odigo Java requerido, en un Di
alogo de Informaci
on (ver Figura 2.60), el
el dialogo quedando en la ventana Definir Nueva Funci
Si el formato del nombre del nuevo tipo de funcion de transferencia no
es correcto, el sistema muestra el mensaje El formato del nombre no
corresponde al de un identificador v
alido, en un Di
alogo de Error
dialogo y el sistema cierra el dialogo quedando en la ventana Definir
Nueva Funci
Si no se puede buscar en el disco el nuevo tipo de funcion de transferencia, el sistema muestra el mensaje Error al buscar el nuevo tipo
de funci
on de transferencia en el disco, en un Di
alogo de Error,
on de
Transferencia.
Si ya existe otro tipo de funcion de transferencia con ese nombre, el
sistema muestra el mensaje Ya existe un tipo de funci
on de transferencia con ese nombre, en un Di
sistema cierra el dialogo y contin
ua el proceso normal. Si el usuario
presiona el boton Cancelar del dialogo, el sistema cierra el dialogo
y regresa a la ventana Definir Nueva Funci
on de Transferencia sin
continuar con el proceso normal.
Si no se puede guardar en el disco el codigo fuente de la clase definida, el sistema muestra el mensaje Error al almacenar la clase del
nuevo tipo de funci
on de transferencia, en un Di
alogo de Error,
DE LOS CASOS DE USO

3.1. DESCRIPCION
103

on de
Transferencia.
alogo de
on
de Transferencia.
Definir Nueva Funci
Si no se puede guardar en el disco el nuevo tipo de funcion de transferencia, el sistema muestra el mensaje Error al almacenar el nuevo
tipo de funci
on de transferencia en el disco, en un Di
alogo de Error,
on de
Transferencia.
tipo de funcion de transferencia, el sistema muestra el mensaje Error
al eliminar la clase del nuevo tipo de funci
on de transferencia del disco, en un Di
Definir Nueva Funci
Cargar funci
on de transferencia
Curso b
asico
on de Transferencia
(ver Figura 2.47) presiona el boton Cargar de dicha ventana.
nombre del archivo que desea y presiona el boton Cargar de dicho dialogo. El sistema carga la informacion de la nueva funcion de
transferencia del disco, actualiza la ventana Definir Nueva Funci
on
de Transferencia y cierra el dialogo quedando en la ventana Definir
Nueva Funci
Curso alterno
Nueva Funci
104
PRELIMINAR
Y DISENO
Si falla la carga de la informacion del nuevo tipo de funcion de transferencia, el sistema muestra el mensaje Error al cargar los datos de la
funcion de transferencia, en un Di
el usuario presiona el boton Aceptar de dicho dialogo, el sistema
cierra el dialogo de error quedando en el dialogo Cargar archivos.
Obtener umbral de activaci
on
Curso b
asico
el listado que aparece en la ventana Obtener Umbral de Activaci
on
(ver Figura 2.48).
El usuario en la ventana Obtener Umbral de Activaci
on selecciona
obtener el umbral de activaci
on de la neurona.
El sistema obtiene el umbral de activaci
on de la neurona de proceso
que se encuentra referenciada por la variable seleccionada y lo muestra
en la misma ventana Obtener Umbral de Activaci
on.
ventana.
nombreVariable.obtenerUmbralDeActivacion ( );
// El umbral de activaci
on es: umbralDeActivacion.
(nombreVariable y umbralDeActivacion corresponden respectivamente

al nombre de la variable que referencia a la neurona de proceso seleccionada y al umbral de activaci
on de dicha neurona).
Finalmente el sistema cierra la ventana Obtener Umbral de Activaci
on.
Curso alterno
Umbral de Activaci
DE LOS CASOS DE USO

3.1. DESCRIPCION
105
Cambiar umbral de activaci

on
Curso b
asico
variables que hagan referencia a neuronas de proceso. Luego actualiza
el listado que aparece en la ventana Cambiar Umbral de Activaci
on
(ver Figura 2.49).
El usuario en la ventana Cambiar Umbral de Activaci
on selecciona
cambiar el umbral de activaci
on y luego digita el nuevo umbral de
activacion.
El sistema verifica que se hayan ingresado los datos (se espera el nuevo
umbral de activacion para la neurona de entrada), verifica el formato
del umbral de activacion (n
umero real), luego cambia el umbral de
activacion de la neurona de proceso que se encuentra referenciada por
la variable seleccionada (ella notifica del cambio a sus monitores, si
los tiene) y lo muestra en la misma ventana Cambiar Umbral de
Activaci
on. Tambien muestra en la zona de reporte de actividades de
la Ventana Principal (ver Figura 2.5) el mensaje:
nombreVariable.cambiarUmbralDeActivacion ( umbralDeActivacion );
(nombreVariable y umbralDeActivacion corresponden respectivamente

al nombre de la variable que referencia a la neurona de proceso deseada, y por supuesto al umbral de activaci
on).
ventana, el sistema cierra la ventana Cambiar Umbral de Activaci
on.
Curso alterno
Umbral de Activaci
el nuevo umbral de activaci
on para la neurona , en un Di
alogo de
Informaci
Cambiar Umbral de Activaci
on.
Si el formato del umbral de activaci
on no es correcto, el sistema muestra el mensaje El formato del umbral de activaci
on no corresponde
106
PRELIMINAR
Y DISENO
al de un n
umero real, en un Di
alogo de Error (ver Figura 2.59), el
el dialogo quedando en la ventana Cambiar Umbral de Activaci
on.
Obtener potencial de activaci
on
Curso b
asico
el listado que aparece en la ventana Obtener Potencial de Activaci
on
(ver Figura 2.50).
El usuario en la ventana Obtener Potencial de Activaci
on selecciona
obtener el potencial de activaci
on de la neurona.
El sistema obtiene el potencial de activaci
que se encuentra referenciada por la variable seleccionada (usando el
valor de salida de las neuronas referenciadas por todas sus entradas y
cuidando de no olverse a preguntar recursivamente) y lo muestra en la
misma ventana Obtener Potencial de Activaci
on.
ventana.
nombreVariable.obtenerPotencialDeActivacion ( );
// El potencial de activaci
on es: potencialDeActivacion.
(nombreVariable y potencialDeActivacion corresponden respectivamente al nombre de la variable que referencia a la neurona de proceso
seleccionada y al potencial de activaci
on de dicha neurona o un mensaje que diga Error, fue detectada una retroalimentaci
on inv
alida,
cuando se detecte que se vuelve a preguntar a la neurona actual, en el
proceso de consultar a las neuronas enlazadas a ella).
Finalmente el sistema cierra la ventana Obtener Potencial de Activaci
on.
Curso alterno
Potencial de Activaci
DE LOS CASOS DE USO

3.1. DESCRIPCION
107
Obtener valor de activaci

on
Curso b
asico
el listado que aparece en la ventana Obtener Valor de Activaci
on
(ver Figura 2.51).
El usuario en la ventana Obtener Valor de Activaci
on selecciona el
obtener el valor de activaci
on de la neurona.
El sistema obtiene el valor de activaci
que se encuentra referenciada por la variable seleccionada (usando el
potencial de activacion de la misma neurona) y lo muestra en la misma
ventana Obtener Valor de Activaci
on.
ventana.
nombreVariable.obtenerValorDeActivacion ( );,
// El valor de activaci
on es: valorDeActivacion.
(nombreVariable y valorDeActivacion corresponden respectivamente

al nombre de la variable que referencia a la neurona de proceso seleccionada y al valor de activaci
on de dicha neurona o un mensaje que
diga Error, fue detectada una retroalimentaci
on inv
alida, cuando se
detecte que se vuelve a preguntar a la neurona actual, en el proceso
de consultar a las neuronas enlazadas a ella).
Finalmente el sistema cierra la ventana Obtener Valor de Activaci
on.
Curso alterno
Valor de Activaci
on, el sistema cierra dicha ventana quedando en la
Ventana Principal.
Curso b
asico
108
PRELIMINAR
Y DISENO
Figura 2.13).
el valor de salida de la neurona.
El sistema obtiene el valor de salida de la neurona de proceso que se
encuentra referenciada por la variable seleccionada (usando el valor de
activacion de la misma neurona) y lo muestra en la misma ventana
Obtener Valor de Salida.
ventana.
// El valor de salida es: valorDeSalida.
(nombreVariable y valorDeSalida corresponden respectivamente al

nombre de la variable que referencia a la neurona de proceso seleccionada y al valor de salida de dicha neurona o un mensaje que diga
Error, fue detectada una retroalimentaci
on inv
alida, cuando se detecte que se vuelve a preguntar a la neurona actual, en el proceso de
consultar a las neuronas enlazadas a ella).
Curso alterno
Principal.
Crear monitor
Curso b
asico
para neuronas de proceso, y actualiza el listado que aparece en la
para neuronas de proceso, y escribe el nombre para la variable a la que
DE LOS CASOS DE USO

3.1. DESCRIPCION
109

de la variable), verifica que el nombre tengan el formato de un identificador valido, busca en la lista de variables otra variable con el mismo
nombre, crea un monitor de este tipo, luego adiciona una nueva entrada a la lista de variables (indicando el nombre, el tipo de variable
-monitor de neurona de proceso- y una referencia al nuevo monitor),
posteriormente muestra en la zona de reporte de actividades de la
TipoMonitorNeuronaProceso nombreVariableMonitor;
nombreVariableMonitor = new TipoMonitorNeuronaProceso ( );
(TipoMonitorNeuronaProceso y nombreVariableMonitor corresponden respectivamente al tipo de monitor seleccionado y al nombre de la

variable definido por el usuario).
alternativa Asignar monitor, de la opcion Neurona de Proceso en
Curso alterno
un Di
Si en el disco no se encuentran monitores para neuronas de proceso, el
hay monitores disponibles para neuronas de proceso, en un Di
alogo de Informaci
alogo de Informaci
on, el usuario
110
PRELIMINAR
Y DISENO
alido,
en un Di
Crear Monitor.
un Di
alogo de Informaci
Crear Monitor.
Di
Monitor.
Asignar monitor
Curso b
asico
variables que hagan referencia a monitores de neurona de proceso y
las que hagan referencia a neuronas de proceso. Luego actualiza los
2.16).
El usuario en la ventana Asignar Monitor selecciona el nombre de la
variable que referencia a un monitor y selecciona el nombre de la variable que referencia a una neurona de proceso, posteriormente el usuario
presiona el boton Aceptar de dicha ventana, el sistema le adiciona la
referencia al monitor (valor de la variable nombreVariableMonitor) a
la neurona referenciada por la variable nombreVariableNeurona.

los nombres de las variables que hacen referencia a la neurona de proceso y al monitor respectivamente).
DE LOS CASOS DE USO

3.1. DESCRIPCION
111

alternativa Desasignar Monitor de la opcion Neurona de Proceso
Curso alterno
Principal.
proceso, el sistema cierra la ventana Asignar Monitor, y muestra
el mensaje No hay variables disponibles a neuronas de proceso, en
un Di
alogo de Informaci
Desasignar monitor
Curso b
asico
variables que hagan referencia a monitores de neurona de proceso y
las que hagan referencia a neuronas de proceso. Luego actualiza los
2.17).
la variable que referencia a una neurona de proceso, posteriormente el
a la neurona referenciada por la variable nombreVariableNeurona.

nombre de las variables que referencian a una neurona de proceso y a
Curso alterno
112
PRELIMINAR
Y DISENO
Principal.
neurona de proceso, a
Curso b
asico
// Nuevo monitor nombreTipoMonitor para neuronas de proceso

(nombreTipoMonitor y fragmentosDeCodigoJava corresponde respectivamente al nombre del nuevo tipo de monitor y a los fragmentos dados por el usuario). Finalmente el sistema cierra la ventana Definir
Curso alterno
Principal.
un Di
alogo de Informaci
DE LOS CASOS DE USO

3.1. DESCRIPCION
113
alido, en un Di
un Di
alogo
Monitor.
muestra el mensaje Error al almacenar el nuevo tipo de monitor en el
disco, en un Di
alogo de Error, el usuario presiona el boton Aceptar de dicho dialogo y el sistema cierra el dialogo y regresa a la ventana

PRELIMINAR
Y DISENO
114

alogo de Error,
Cargar monitor
Curso b
asico
Curso alterno
Nuevo Monitor.
3.1.5.
Paquete red neuronal
Crear red
Curso b
asico
El sistema obtiene del disco, el listado de todos los tipos de redes
neuronales, y actualiza el listado que aparece en la ventana Crear
una Red Neuronal (ver Figura 2.53), con este listado mas los tipos
estandar (Perceptron, Perceptron multinivel, Adaline, Madaline, Hopfield y Backpropagation) de redes neuronales.
El usuario en la ventana Crear una Red Neuronal selecciona el tipo
de red neuronal, escribe el nombre de la variable a la que se le asignara la nueva red neuronal, luego escribe el nombre que desea para
DE LOS CASOS DE USO

3.1. DESCRIPCION
115
dicha red, y finalmente presiona el boton Aceptar que se encuentra

El sistema verifica que se hayan ingresado los datos (se espera el nombre de la variable y el de la red), verifica que los nombres tengan el
formato de un identificador valido, busca en la lista de variables otra
variable con el mismo nombre, busca en la lista de redes neuronales
otra red con el mismo nombre, crea una red neuronal (asignandole el
nombre especificado), la adiciona a la lista de redes neuronales, luego
adiciona una nueva entrada a la lista de variables (indicando el nombre, el tipo de variable -red neuronal- y una referencia a la nueva red
neuronal), posteriormente muestra en la zona de reporte de actividades
TipoRedNeuronal nombreVariable;
nombreVariable = new TipoRedNeuronal ( nombreRedNeuronal );
(TipoRedNeuronal, nombreVariable y nombreRedNeuronal corresponden respectivamente al tipo de red neuronal seleccionada, al nombre de la variable que referencia a la red neuronal y al nombre para
dicha red).
Y finalmente el sistema cierra la ventana Crear una Red Neuronal y
activa las alternativas
Obtener Nombre, Ejecutar red y Generar aplicaci
on de la opcion
Neurona de Retardo en la Ventana Principal.
Curso alterno
Si falla la obtencion del disco del listado de todos los tipos de redes
neuronales, el sistema cierra la ventana Crear una Red Neuronal,
muestra el mensaje Error al leer el disco para obtener el listado de
tipos de redes neuronales, en un Di
cierra el dialogo quedando en la ventana Ventana Principal.
Si no hay en el disco nuevos tipos de neuronas de retardo, el sistema
deja solo el tipo estandar (perceptron, perceptron multinivel, a daline,
madaline, hopfield y backpropagation) de redes neuronales.
Si el usuario presiona el boton Cancelar en la ventana Crear una
Red Neuronal, el sistema cierra dicha ventana quedando en la Ventana Principal.
116
PRELIMINAR
Y DISENO
el nombre de la variable y el de la red neuronal , en un Di
alogo de
Informaci
Crear una Red Neuronal.
alido, en un Di
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Crear una Red Neuronal.
un Di
alogo de Informaci
Crear una Red Neuronal.
Si en la lista de redes neuronales ya existe otra con el mismo nombre, el
sistema muestra el mensaje Ya existe una red neuronal con el mismo
nombre, en un Di
alogo de Informaci
on, el usuario presiona el boton
la ventana Crear una Red Neuronal.
Si falla le creacion de la red neuronal, el sistema muestra el mensaje
Error al crear la red neuronal, en un Di
dialogo quedando en la ventana Crear una Red Neuronal.
Si falla la adicion de la nueva red neuronal a la lista de redes neuronales, el sistema muestra el mensaje Error al almacenar la nueva
red neuronal, en un Di
la ventana Crear una Red Neuronal.
elimina la nueva red neuronal de la lista de redes neuronales y muestra
el mensaje Error al almacenar la nueva variable, en un Di
alogo
de Error, el usuario presiona el boton Aceptar de dicho dialogo y
el sistema cierra el dialogo quedando en la ventana Crear una Red
Neuronal.
Obtener nombre
Curso b
asico
DE LOS CASOS DE USO

3.1. DESCRIPCION
117
variables que hagan referencia a una red neuronal. Luego actualiza el

listado que aparece en la ventana Obtener Nombre (ver Figura 2.12).
la variable que referencia la red neuronal a la cual se le desea obtener
el nombre.
El sistema obtiene el nombre de la red neuronal que se encuentra
ventana.
nombreVariable.obtenerNombreDeLaRedNeuronal ( );
// El nombre es: nombreDeLaRedNeuronal.
(nombreDeLaRedNeuronal y nombreVariable corresponden respectivamente al nombre de la red neuronal y al de la variable que la referencia).
Curso alterno
Principal.
Definir nueva red neuronal
Curso b
asico
El usuario en la ventana Definir Nueva Red Neuronal (ver Figura
2.54) escribe el nombre del nuevo tipo de red neuronal, posteriormente
escribe los fragmentos de codigo en Java seg
un sea el caso, luego el
usuario presiona el boton Aceptar de dicha ventana.
del nuevo tipo de red neuronal y los fragmentos de codigo Java), verifica que el nombre tenga el formato de un identificador valido, busca en
el disco un tipo de red neuronal que tenga el mismo nombre, construye
una clase valida en Java (uniendo los fragmentos dados por el usuario
con partes fijas de codigo predeterminado, y guardandolo en el disco
con el nombre de la clase especificada), posteriormente le solicita a
118
PRELIMINAR
Y DISENO
Java que compile la nueva clase. Luego el sistema determina si el compilador detecto errores de sintaxis en el codigo dado por el usuario,
// Nuevo tipo de red neuronal nombreTipoDeRedNeuronal

/* fragmentosDecodigoJava */
nombreTipoDeRedNeuronal y fragmentosDecodigoJava corresponde

en realidad al nombre del nuevo tipo de red neuronal y los fragmentos
dados por el usuario. Finalmente el sistema cierra la ventana Definir
Nueva Red Neuronal quedando en la Ventana Principal.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Definir Nueva Red Neuronal, el sistema cierra dicha ventana quedando en la
Ventana Principal.
nombre del nuevo tipo de red neuronal y el c
un Di
alogo de Informaci
boton Aceptar de dicho dialogo y el sistema cierra el dialogo quedando en la ventana Definir Nueva Red Neuronal.
Si el formato del nombre del nuevo tipo de red neuronal no es correcto,
alido, en un Di
sistema cierra el dialogo quedando en la ventana Definir Nueva Red
Neuronal.
Si no se puede buscar en el disco el nuevo tipo de red neuronal, el sistema muestra el mensaje Error al buscar el nuevo tipo de red neuronal
ventana Definir Nueva Red Neuronal.
Si ya existe otro tipo de red neuronal con ese nombre, el sistema muestra el mensaje Ya existe un tipo de red neuronal con ese nombre, en
un Di
DE LOS CASOS DE USO

3.1. DESCRIPCION
119

Nueva Red Neuronal sin continuar con el proceso normal.
tipo de red neuronal en el disco, en un Di
dialogo y regresa a la ventana Definir Nueva Red Neuronal.
alogo de
sistema cierra el dialogo y regresa a la ventana Definir Nueva Red
Neuronal.
Definir Nueva Red Neuronal.
muestra el mensaje Error al almacenar el nuevo tipo de red neuronal
ventana Definir Nueva Red Neuronal.
tipo de red neuronal, el sistema muestra el mensaje Error al eliminar
la clase del nuevo tipo de red neuronal del disco, en un Di
alogo de
sistema cierra el dialogo y regresa a la ventana Definir Nueva Red
Neuronal.
Curso alterno
Nueva Red Neuronal.
Cargar red neuronal
Curso b
asico
El usuario en la ventana Definir Nueva Red Neuronal (ver Figura
120
PRELIMINAR
Y DISENO
dialogo. El sistema carga la informacion de la red neuronal del disco,
actualiza la ventana Definir Nueva Red Neuronal y cierra el dialogo
quedando en la ventana Definir Nueva Red Neuronal.
Curso alterno
Nueva Red Neuronal.
Si falla la carga de la informacion de la red neuronal, el sistema muestra
el mensaje Error al cargar los datos de la red neuronal, en un Di
alogo de Error (ver Figura 2.59), el usuario presiona el boton Aceptar
de dicho dialogo, el sistema cierra el dialogo de error quedando en el
dialogo Cargar archivos.
Ejecutar red
Curso b
asico
listado que aparece en la ventana Ejecutar Red (ver Figura 2.55).
El usuario en la ventana Ejecutar Red selecciona el nombre de la
variable que referencia la red neuronal a la cual desea ejecutar y presiona el boton Aceptar que se encuentra en la misma ventana.
El sistema ejecuta la red neuronal que se encuentra referenciada por
la variable seleccionada y muestra en la zona de reporte de actividades
nombreVariable.ejecutarRed ( );
(nombreVariable corresponde al nombre de la variable que referencia

a la red neuronal).
Finalmente el sistema cierra la ventana Ejecutar Red.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Ejecutar
Red, el sistema cierra dicha ventana quedando en la Ventana Principal.
Si falla la ejecucion de la red neuronal, el sistema muestra el mensaje
Error al ejecutar la red neuronal, en un Di
alogo de Error (ver
DE LOS CASOS DE USO

3.1. DESCRIPCION
121
el sistema cierra el dialogo de error y cierra la ventana Ejecutar Red,

Generar aplicaci
on
Curso b
asico
listado que aparece en la ventana Generar Aplicaci
on (ver Figura
2.56).
El usuario en la ventana Generar Aplicaci
on selecciona el nombre
de la variable que referencia la red neuronal a la cual le desea generar
una aplicacion y presiona el boton Aceptar que se encuentra en la
misma ventana.
El sistema elimina el contenido de la carpeta Aplicacion, luego copia
en ella todos los archivos necesarios para ejecutar la red neuronal que
se encuentra referenciada por la variable seleccionada y finalmente
muestra en la zona de reporte de actividades de la Ventana Principal
(ver Figura 2.5) el mensaje:
La red neuronal nombreDeLaRedNeuronal fue generada como aplicaci

on
en la carpeta Aplicacion.
(nombreDeLaRedNeuronal y Aplicacion corresponden respectivamente

al nombre de la red neuronal y al nombre de la carpeta en donde se
genero la aplicacion).
Finalmente el sistema cierra la ventana Generar Aplicaci
on.
Curso alterno
Si el usuario presiona el boton Cancelar en la ventana Generar
Aplicaci
on, el sistema cierra dicha ventana quedando en la Ventana
Principal.
Si falla la eliminacion del contenido de la carpeta Aplicacion, el sistema muestra el mensaje Error al eliminar el contenido de la carpeta
Aplicacion, en un Di
presiona el boton Aceptar de dicho dialogo, el sistema cierra el dialogo de error quedando en el dialogo Generar Aplicaci
on.
Si falla la copia de los archivo necesarios para ejecutar la red neuronal
en la carpeta Aplicacion, el sistema muestra el mensaje Error al
122
PRELIMINAR
Y DISENO
copia los archivo necesarios para la aplicaci
on en la carpeta Aplicacion, en un Di
alogo de Error, el usuario presiona el boton Aceptar de dicho dialogo, el sistema cierra el dialogo de error quedando
en el dialogo Generar Aplicaci
on.
3.2. DIAGRAMAS DE ROBUSTEZ
3.2.
123
Diagramas de robustez
El objetivo primordial de los diagramas de robustez es ayudar a mejorar

los textos detallados de los casos de uso. Esto es importante pues ellos se
convierten en los diagramas de secuencia mas adelante.
Los diagramas de robustez permiten realizar los siguientes chequeos:
Chequeo de sensatez: Ayuda a estar seguro que el texto de los casos
de uso es correcto y que no sea irrazonable o imposible.
Chequeo de correlaci
on y completitud: Ayuda a estar seguro
que todos los casos de uso hablan de los cursos alternativos de accion
necesarios.
Adicional a esto, permite el descubrimiento de objetos omitidos en el
modelo de dominio. No hay que olvidar reescribir el texto de los casos de uso
(si es necesario) para que concuerde uno a uno con el diagrama de robustez.
Los elementos de un diagrama de robustez son los que se puede ver en
la Figura 3.1.
Figura 3.1: Elementos de un diagrama de robustez

Por supuesto, en los diagramas de robustez tambien aparecen los actores
como entes que interact
uan con el sistema.
124
PRELIMINAR
Y DISENO
Consideraciones sobre los diagramas de robustez
Haga un seguimiento visual entre el texto de los casos de uso y los
diagramas de robustez.
No haga un dise
no detallado sobre el diagrama de robustez.
Tome poco tiempo para perfeccionar el diagrama de robustez.
Use el analisis de robustez para asegurarse de la consistencia entre los
nombres de las clases en los diagramas de clase y el texto de los casos
de uso.
Incluya el curso alternativo en los diagramas de robustez.
Use el analisis de robustez para ayudarse a usar un formato consistente
para el texto de los casos de uso.
No violar ninguna de las reglas basicas (ver Figura 3.2), sobre las
posibles relaciones entre los elementos de un diagrama de robustez.
Figura 3.2: Reglas basica de un diagrama de robustez
3.2.1.
125
Paquete archivo
Iniciar laboratorio: La figura 3.3 corresponde al diagrama de robustez del texto del caso de uso de la pagina 46.
Figura 3.3: Iniciar laboratorio

Cargar laboratorio: La figura 3.4 corresponde al diagrama de robustez del texto del caso de uso de la pagina 47.
Guardar laboratorio: La figura 3.5 corresponde al diagrama de robustez del texto del caso de uso de la pagina 48.
126
PRELIMINAR
Y DISENO
Figura 3.4: Cargar laboratorio
Figura 3.5: Guardar laboratorio
3.2.2.
127
Crear neurona: La figura 3.6 corresponde al diagrama de robustez

del texto del caso de uso de la pagina 49.
Figura 3.6: Crear neurona

Obtener nombre: La figura 3.7 corresponde al diagrama de robustez
Obtener valor de salida: La figura 3.8 corresponde al diagrama de
robustez del texto del caso de uso de la pagina 52.
128
PRELIMINAR
Y DISENO
Figura 3.7: Obtener nombre
Figura 3.8: Obtener valor de salida
129
Asignar valor de salida: La figura 3.9 corresponde al diagrama de

Figura 3.9: Asignar valor de salida

Crear monitor: La figura 3.10 corresponde al diagrama de robustez
130
PRELIMINAR
Y DISENO
Figura 3.10: Crear monitor
131
Asignar monitor: La figura 3.11 corresponde al diagrama de robustez

Figura 3.11: Asignar monitor

Desasignar monitor: La figura 3.12 corresponde al diagrama de robustez del texto del caso de uso de la pagina 56.
Definir nuevo monitor: La figura 3.13 corresponde al diagrama de
132
PRELIMINAR
Y DISENO
Figura 3.12: Desasignar monitor
Figura 3.13: Definir nuevo monitor
133
134
PRELIMINAR
Y DISENO
Cargar monitor: La figura 3.14 corresponde al diagrama de robustez
Figura 3.14: Cargar monitor
3.2.3.
135
Crear neurona La figura 3.15 corresponde al diagrama de robustez


Obtener nombre La figura 3.16 corresponde al diagrama de robustez
Obtener valor de salida La figura 3.17 corresponde al diagrama de
136
PRELIMINAR
Y DISENO
137
Asignar valor de salida La figura 3.18 corresponde al diagrama de


Actualizar valor presente La figura 3.19 corresponde al diagrama
de robustez del texto del caso de uso de la pagina 64.
138
PRELIMINAR
Y DISENO
Figura 3.19: Actualizar valor presente

Obtener valor futuro La figura 3.20 corresponde al diagrama de
Actualizar valor futuro La figura 3.21 corresponde al diagrama de
Definir nuevo valor futuro La figura 3.22 corresponde al diagrama
Figura 3.20: Obtener valor futuro
Figura 3.21: Actualizar valor futuro
139
140
PRELIMINAR
Y DISENO
Figura 3.22: Definir nuevo valor futuro
141
Cargar valor futuro La figura 3.23 corresponde al diagrama de robustez del texto del caso de uso de la pagina 69.
Figura 3.23: Cargar valor futuro

Enlazar neurona La figura 3.24 corresponde al diagrama de robustez
Desenlazar neurona La figura 3.25 corresponde al diagrama de robustez del texto del caso de uso de la pagina 70.
Obtener estado enlace La figura 3.26 corresponde al diagrama de
Obtener con quien se relaciona La figura 3.27 corresponde al diagrama de robustez del texto del caso de uso de la pagina 72.
142
PRELIMINAR
Y DISENO
Figura 3.24: Enlazar neurona
Figura 3.25: Desenlazar neurona
Figura 3.26: Obtener estado del enlace
Figura 3.27: Obtener con quien se relaciona
143
144
PRELIMINAR
Y DISENO
Obtener nombre de la neurona enlazada La figura 3.28 corresponde al diagrama de robustez del texto del caso de uso de la pagina
73.
Figura 3.28: Obtener nombre de la neurona enlazada

Crear monitor La figura 3.29 corresponde al diagrama de robustez
Asignar monitor La figura 3.30 corresponde al diagrama de robustez
145
146
PRELIMINAR
Y DISENO
147
Desasignar monitor La figura 3.31 corresponde al diagrama de robustez del texto del caso de uso de la pagina 76.

Definir nuevo monitor La figura 3.32 corresponde al diagrama de
148
PRELIMINAR
Y DISENO
149

PRELIMINAR
Y DISENO
150
3.2.4.
Crear neurona La figura 3.34 corresponde al diagrama de robustez


Obtener n
umero de entradas La figura 3.36 corresponde al diagrama de robustez del texto del caso de uso de la pagina 83.
Figura 3.36: Obtener n

umero de entradas
151
152
PRELIMINAR
Y DISENO
Enlazar neurona La figura 3.37 corresponde al diagrama de robustez

Desenlazar neurona La figura 3.38 corresponde al diagrama de robustez del texto del caso de uso de la pagina 85.
153
Obtener estado de un enlace La figura 3.39 corresponde al diagrama de robustez del texto del caso de uso de la pagina 86.
Figura 3.39: Obtener estado de un enlace

Obtener con quien se relaciona La figura 3.40 corresponde al diagrama de robustez del texto del caso de uso de la pagina 87.
154
PRELIMINAR
Y DISENO
Obtener nombre de la neurona enlazada La figura 3.41 corresponde al diagrama de robustez del texto del caso de uso de la pagina
87.

Obtener peso enlace La figura 3.42 corresponde al diagrama de
Figura 3.42: Obtener peso enlace
155
Cambiar peso enlace La figura 3.43 corresponde al diagrama de

Figura 3.43: Cambiar peso enlace

Obtener funci
on base La figura 3.44 corresponde al diagrama de
Cambiar funci
156
PRELIMINAR
Y DISENO
Figura 3.44: Obtener funcion base
Figura 3.45: Cambiar funcion base
157
Definir nueva funci

on base La figura 3.46 corresponde al diagrama
Figura 3.46: Definir funcion base

Cargar funci
Obtener funci
on de activaci
on La figura 3.48 corresponde al diagrama de robustez del texto del caso de uso de la pagina 95.
158
PRELIMINAR
Y DISENO
Figura 3.47: Cargar funcion base
Figura 3.48: Obtener funcion de activaci

on
159
Cambiar funci
on de activaci
Figura 3.49: Cambiar funcion de activacion

Definir nueva funci
on de activaci
on La figura 3.50 corresponde al
diagrama de robustez del texto del caso de uso de la pagina 97.
Cargar funci
on de activaci
Obtener funci
on de transferencia La figura 3.52 corresponde al
160
PRELIMINAR
Y DISENO
Figura 3.50: Definir funcion de activaci

on
Figura 3.51: Cargar funcion de activaci

on

on
161
162
PRELIMINAR
Y DISENO
Cambiar funci
Figura 3.53: Cambiar funcion de transferencia

Definir nueva funci
on de transferencia La figura 3.54 corresponde
al diagrama de robustez del texto del caso de uso de la pagina 101.
Cargar funci
Figura 3.54: Definir funcion de transferencia
163
164
PRELIMINAR
Y DISENO
Figura 3.55: Cargar funcion de transferencia
Figura 3.56: Obtener umbral de activaci

on
165

Figura 3.57: Cambiar umbral de activaci

on
on La figura 3.58 corresponde al
on La figura 3.59 corresponde al diagrama
166
PRELIMINAR
Y DISENO
Figura 3.58: Obtener potencial de activaci

on
Figura 3.59: Obtener valor de activaci

on
167
Obtener valor de salida La figura 3.60 corresponde al diagrama de


Crear monitor La figura 3.61 corresponde al diagrama de robustez
Asignar monitor La figura 3.62 corresponde al diagrama de robustez
Desasignar monitor La figura 3.63 corresponde al diagrama de robustez del texto del caso de uso de la pagina 111.
168
PRELIMINAR
Y DISENO
169
170
PRELIMINAR
Y DISENO
171
Definir nuevo monitor La figura 3.64 corresponde al diagrama de

172
PRELIMINAR
Y DISENO
3.2.5.
173
Crear red La figura 3.66 corresponde al diagrama de robustez del

texto del caso de uso de la pagina 114.
Figura 3.66: Crear red

Definir nueva red neuronal La figura 3.68 corresponde al diagrama
174
PRELIMINAR
Y DISENO
Figura 3.67: Obtener Nombre

Cargar red neuronal: La figura 3.69 corresponde al diagrama de
Ejecutar red La figura 3.70 corresponde al diagrama de robustez del
texto del caso de uso de la pagina 120.
Generar aplicaci
Figura 3.68: Definir nueva red neuronal
175
176
PRELIMINAR
Y DISENO
Figura 3.69: Cargar red neuronal
Figura 3.70: Ejecutar red neuronal
Figura 3.71: Generar aplicacion
177
178
3.3.
PRELIMINAR
Y DISENO
Actualizaci
on del modelo del dominio
Por organizacion, las clases identificadas hasta ahora se agruparon en

diferentes paquetes (Ver Figura 3.72).
Figura 3.72: Jerarqua de paquetes

Las figuras 3.73, 3.74, 3.75, 3.76, 3.77, 3.78, 3.79 y 3.80 corresponde a
la actualizacion del modelo del dominio (Ver Figura 2.4 en la pagina 17).
DEL MODELO DEL DOMINIO

3.3. ACTUALIZACION
Figura 3.73: Actualizacion del modelo del dominio - Parte I
179
180
PRELIMINAR
Y DISENO
Figura 3.74: Actualizacion del modelo del dominio - Parte II
Figura 3.75: Actualizacion del modelo del dominio - Parte III
DEL MODELO DEL DOMINIO

3.3. ACTUALIZACION
Figura 3.76: Actualizacion del modelo del dominio - Parte IV
Figura 3.77: Actualizacion del modelo del dominio - Parte V
181
182
PRELIMINAR
Y DISENO
Figura 3.78: Actualizacion del modelo del dominio - Parte VI
Figura 3.79: Actualizaci

on del modelo del dominiov - Parte VII
Figura 3.80: Actualizacion del modelo del dominio - Parte VIII
DEL DISENO
PRELIMINAR (PDR)
3.4. REVISION
3.4.
183
Revisi
on del dise
no preliminar (PDR)
Para realizar la revision del dise

no preliminar (PDR) hay que tener en
cuenta las siguientes consideraciones.
Revision de los diagramas de robustez y textos de los casos de uso
para cada escenario, asegurandose que ellos concuerdan entre s, y
representen completamente la conducta deseada del sistema.
Tambien verifique que el modelo del dominio concuerde con el diagrama de robustez.
Involucrar representantes tanto del cliente como del equipo de desarrollo (igual que en los requerimientos).
Ultima
oportunidad de cambiar los requerimientos.
Finaliza el contrato entre los clientes y los desarrolladores.
Una lnea en el diagrama de robustez, significa comunicaci
on, no son
mensajes, estos aparecen el diagrama de secuencia.
Hay que verificar si la arquitectura seleccionada trabaja para los escenarios que se desean construir.
Adicionar atributos clave que van apareciendo al modelo de dominio.
184
PRELIMINAR
Y DISENO
DISENO
4.1.
Diagramas de secuencia
En ICONIX, los diagramas de secuencia representan el mayor trabajo

de producto de dise
no.
Las siguientes son algunas de las recomendaciones que se deben tomar
en consideracion para realizar los diagramas de secuencia:
Localice el comportamiento entre objetos lmite, entidad y objetos de
control (si los hay).
Mostrar las interacciones que ocurren entre los objetos asociados con
cada uno de sus casos de uso.
Si aparecen nuevo atributos, se adicionan al modelo estatico.
Use el diagrama de robustez como elemento para verificar el diagrama
de secuencia.
Un controlador en el diagrama de robustez puede convertirse en muchos metodos en el diagrama de secuencia.
186
CAPITULO 4. DISENO
En este punto se pueden usar algunos estandares de dise
no (patrones),
para mejorar el diagrama de clase.
Siga principios basicos de dise
no orientado a objetos guiados por responsabilidad (patrones GRASP), cuando localice comportamiento dibujando flechas de mensaje. (Altamente cohesivos y debilmente acoplados).
Piense cuidadosamente acerca del origen de las flechas de mensajes,
en otras palabras, cual objeto tiene el control en un momento dado.
Enfoquese en metodos interesantes (comportamiento real del software),
en lugar de saturar el diagrama con mensajes tipo asignar (set) o obtener (get).
Utilice el diagrama de secuencia para localizar el comportamiento, no
lo convierta el diagrama de flujo.
Muestre detalles en el diagrama de secuencia, de tal forma que no
quede en un alto nivel de abstraccion.
Mantenga una correspondencia visual entre el texto de los casos de
uso y las flechas de los mensajes.
Identifique primero todos los objetos necesarios en el diagrama de robustez.
Coloque el texto de los casos de uso en los diagramas de secuencia (en
este documento se omitieron por el tama
no del papel).
Haga un diagrama de secuencia por cada caso de uso.
4.1. DIAGRAMAS DE SECUENCIA
4.1.1.
187
Paquete archivo
Iniciar laboratorio La Figura 4.1 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 46, y al diagrama de
robustez de la pagina 125 (Figura 3.3).
Cargar laboratorio La Figura 4.2 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 47, y diagrama de robustez de la pagina 126 (Figura 3.4).
Guardar laboratorio La Figura 4.3 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 48, y diagrama de robustez de la pagina 126 (Figura 3.5).
188
CAPITULO 4. DISENO
Figura 4.1: Iniciar laboratorio
Figura 4.2: Cargar laboratorio
189
190
CAPITULO 4. DISENO
Figura 4.3: Guardar laboratorio
4.1.2.
191
Crear neurona Las Figuras 4.4 y 4.5 corresponden al diagrama de

secuencia del texto del caso de uso de la pagina 49, y diagrama de
Figura 4.4: Crear neurona - Curso basico
192
CAPITULO 4. DISENO
Figura 4.5: Crear neurona - Curso alterno
193
Obtener nombre La Figura 4.6 corresponde al diagrama de secuencia

del texto del caso de uso de la pagina 51, y diagrama de robustez de
la pagina 128 (Figura 3.7).
194
CAPITULO 4. DISENO
Obtener valor de salida La Figura 4.7 corresponde al diagrama de
195
Asignar valor de salida La Figura 4.8 corresponde al diagrama de

196
CAPITULO 4. DISENO
Crear monitor Las Figuras 4.9 y 4.10 corresponden al diagrama de
Figura 4.9: Crear monitor - Curso basico
Figura 4.10: Crear monitor - Curso alterno
197
198
CAPITULO 4. DISENO
Asignar monitor La Figura 4.11 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 55, y diagrama de robustez
de la pagina 131 (Figura 3.11).
199
Desasignar monitor La Figura 4.12 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 56, y diagrama de robustez de la pagina 132 (Figura 3.12).
200
CAPITULO 4. DISENO
Definir nuevo monitor Las Figuras 4.13, 4.14 y 4.15 corresponden
al diagrama de secuencia del texto del caso de uso de la pagina 57, y
diagrama de robustez de la pagina 133 (Figura 3.13).
Figura 4.13: Definir nuevo monitor - Curso basico
Figura 4.14: Definir nuevo monitor - Curso alterno - Parte 1
201
202
CAPITULO 4. DISENO
203
Cargar monitor La Figura 4.16 corresponde al diagrama de secuencia


CAPITULO 4. DISENO
204
4.1.3.
Crear neurona Las Figuras 4.17 y 4.18 corresponden al diagrama

de secuencia del texto del caso de uso de la pagina 60, y diagrama de
205
206
CAPITULO 4. DISENO
Obtener nombre La Figura 4.19 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 62, y diagrama de robustez
207
Obtener valor de salida La Figura 4.20 corresponde al diagrama

208
CAPITULO 4. DISENO
Asignar valor de salida La Figura 4.21 corresponde al diagrama de
209
Actualizar valor presente La Figura 4.22 corresponde al diagrama

Figura 4.22: Actualizar valor presente
210
CAPITULO 4. DISENO
Obtener valor futuro La Figura 4.23 corresponde al diagrama de
Figura 4.23: Obtener valor futuro
211
Actualizar valor futuro La Figura 4.24 corresponde al diagrama de

Figura 4.24: Actualizar valor futuro
212
CAPITULO 4. DISENO
Definir nuevo valor futuro Las Figuras 4.25, 4.26 y 4.27 corresponden al diagrama de secuencia del texto del caso de uso de la pagina
67, y diagrama de robustez de la pagina 140 (Figura 3.22).
Figura 4.25: Definir nuevo valor futuro - Curso basico
Figura 4.26: Definir nuevo valor futuro - Curso alterno - Parte 1
213
214
CAPITULO 4. DISENO
Figura 4.27: Definir nuevo valor futuro - Curso alterno - Parte 2
215
Cargar valor futuro La Figura 4.28 corresponde al diagrama de

Figura 4.28: Cargar valor futuro
216
CAPITULO 4. DISENO
Enlazar neurona La Figura 4.29 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 70, y diagrama de robustez
217
Desenlazar neurona La Figura 4.30 corresponde al diagrama de

218
CAPITULO 4. DISENO
Obtener estado enlace La Figura 4.31 corresponde al diagrama de
Figura 4.31: Obtener estado del enlace
219
Obtener con quien se relaciona La Figura 4.32 corresponde al

diagrama de secuencia del texto del caso de uso de la pagina 72, y
220
CAPITULO 4. DISENO
Obtener nombre de la neurona enlazada La Figura 4.33 corresponde al diagrama de secuencia del texto del caso de uso de la pagina
221

222
CAPITULO 4. DISENO
223
224
CAPITULO 4. DISENO
Desasignar monitor La Figura 4.37 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 76, y diagrama de robustez de la pagina 147 (Figura 3.31).
225
Definir nuevo monitor Las Figuras 4.38, 4.39 y 4.40 corresponden

al diagrama de secuencia del texto del caso de uso de la pagina 77, y
226
CAPITULO 4. DISENO
227
228
CAPITULO 4. DISENO
4.1.4.
229
Crear neurona Las Figuras 4.42 y 4.43 corresponden al diagrama

230
CAPITULO 4. DISENO
231
232
CAPITULO 4. DISENO
Obtener n
umero de entradas La Figura 4.45 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 83, y diagrama
de robustez de la pagina 151 (Figura 3.36).
Figura 4.45: Obtener n

umero de entradas
233
Enlazar neurona La Figura 4.46 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 83, y diagrama de robustez
234
CAPITULO 4. DISENO
Desenlazar neurona La Figura 4.47 corresponde al diagrama de
235
Obtener estado de un enlace La Figura 4.48 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 86, y diagrama
Figura 4.48: Obtener estado de un enlace
236
CAPITULO 4. DISENO
Obtener con quien se relaciona La Figura 4.49 corresponde al
237
Obtener nombre de la neurona enlazada La Figura 4.50 corresponde al diagrama de secuencia del texto del caso de uso de la pagina
238
CAPITULO 4. DISENO
Obtener peso enlace La Figura 4.51 corresponde al diagrama de
Figura 4.51: Obtener peso enlace
239
Cambiar peso enlace La Figura 4.52 corresponde al diagrama de

Figura 4.52: Cambiar peso enlace
240
CAPITULO 4. DISENO
Obtener funci
on base La Figura 4.53 corresponde al diagrama de
Figura 4.53: Obtener funcion base
241
Cambiar funci
Figura 4.54: Cambiar funcion base
242
CAPITULO 4. DISENO
Definir nueva funci
on base Las Figuras 4.55, 4.56, y 4.57 corresponden al diagrama de secuencia del texto del caso de uso de la pagina
Figura 4.55: Definir funcion base - Curso basico
Figura 4.56: Definir funcion base - Curso alterno - Parte 1
243
244
CAPITULO 4. DISENO
Figura 4.57: Definir funcion base - Curso alterno - Parte 2
245
Cargar funci
Figura 4.58: Cargar funcion base
246
CAPITULO 4. DISENO
Obtener funci
on de activaci
on La Figura 4.59 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 95, y diagrama de robustez de la pagina 158 (Figura 3.48).

on
247
Cambiar funci
on de activaci
on La Figura 4.60 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 96, y diagrama de robustez de la pagina 159 (Figura 3.49).
Figura 4.60: Cambiar funcion de activacion
248
CAPITULO 4. DISENO
Definir nueva funci
on de activaci
on Las Figuras 4.61, 4.62 y 4.63
corresponden al diagrama de secuencia del texto del caso de uso de la
pagina 97, y diagrama de robustez de la pagina 160 (Figura 3.50).

on - Curso basico

on - Curso alterno - Parte 1
249
250
CAPITULO 4. DISENO

on - Curso alterno - Parte 2
251
Cargar funci
on de activaci
on La Figura 4.64 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 99, y diagrama
Figura 4.64: Cargar funcion de activaci

on
252
CAPITULO 4. DISENO
Obtener funci
on de transferencia La Figura 4.65 corresponde al

on
253
Cambiar funci
Figura 4.66: Cambiar funcion de transferencia
254
CAPITULO 4. DISENO
Definir nueva funci
on de transferencia Las Figuras 4.67, 4.67 y
4.69 corresponden al diagrama de secuencia del texto del caso de uso
de la pagina 101, y diagrama de robustez de la pagina 163 (Figura
3.54).
Figura 4.67: Definir funcion de transferencia - Curso basico
255
Figura 4.68: Definir funcion de transferencia - Curso alterno - Parte 1
256
CAPITULO 4. DISENO
Figura 4.69: Definir funcion de transferencia - Curso alterno - Parte 2
257
Cargar funci
Figura 4.70: Cargar funcion de transferencia
258
CAPITULO 4. DISENO
on La Figura 4.71 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 104, y
Figura 4.71: Obtener umbral de activaci

on
259

on La Figura 4.72 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 105, y
Figura 4.72: Cambiar umbral de activaci

on
260
CAPITULO 4. DISENO
on La Figura 4.73 corresponde al
Figura 4.73: Obtener potencial de activaci

on
261

on La Figura 4.74 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 107, y diagrama
Figura 4.74: Obtener valor de activaci

on
262
CAPITULO 4. DISENO
Obtener valor de salida La Figura 4.75 corresponde al diagrama de
263

264
CAPITULO 4. DISENO
265
266
CAPITULO 4. DISENO
Desasignar monitor La Figura 4.79 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 111, y diagrama de
267
Definir nuevo monitor Las Figuras 4.80, 4.81 y 4.82 corresponde a

los diagramas de secuencia del texto del caso de uso de la pagina 112,
y diagrama de robustez de la pagina 171 (Figura 3.64).
268
CAPITULO 4. DISENO
269
270
CAPITULO 4. DISENO
4.1.5.
271
Crear red Las Figuras 4.84 y 4.85 corresponden al diagrama de secuencia del texto del caso de uso de la pagina 114, y diagrama de
Figura 4.84: Crear red - Curso basico
272
CAPITULO 4. DISENO
Figura 4.85: Crear red - Curso alterno
273
Figura 4.86: Obtener Nombre
274
CAPITULO 4. DISENO
Definir nueva red neuronal Las Figuras 4.87, 4.88 y 4.89 corresponden al diagrama de secuencia del texto del caso de uso de la pagina
Figura 4.87: Definir nueva red neuronal - Curso basico
Figura 4.88: Definir nueva red neuronal - Curso alterno - Parte 1
275
276
CAPITULO 4. DISENO
Figura 4.89: Definir nueva red neuronal - Curso alterno - Parte 2
277
Cargar red neuronal La Figura 4.90 corresponde al diagrama de

Figura 4.90: Cargar red neuronal
278
CAPITULO 4. DISENO
Ejecutar red La Figura 4.91 corresponde al diagrama de secuencia
Figura 4.91: Ejecutar red neuronal
279
Generar aplicaci
on La Figura 4.92 corresponde al diagrama de secuencia del texto del caso de uso de la pagina 121, y diagrama de
Figura 4.92: Generar aplicacion

CAPITULO 4. DISENO
280
4.2.
Diagrama de clases
Por organizacion, las clases se agruparon en paquetes (Ver Figura 4.93).
Figura 4.93: Jerarqua de paquetes

Los paquetes principales del proyecto son: neuronal, matematica,
laboratoriovirtual y gui, los cuales se pueden observar en las Figuras
4.94, 4.98, 4.99 y 4.100 respectivamente.
Figura 4.94: Paquete - neuronal

El paquete neuronal se subdivide en los paquetes neurona, redneuronal y monitor, los cuales se pueden observar en las Figuras 4.95,
4.96 y 4.97 respectivament.
4.2. DIAGRAMA DE CLASES
Figura 4.95: Paquete - neurona
Figura 4.96: Paquete - redneuronal
281
282
CAPITULO 4. DISENO
Figura 4.97: Paquete - monitor
Figura 4.98: Paquete - matematica
Figura 4.99: Paquete - laboratoriovirtual
283
284
CAPITULO 4. DISENO
Figura 4.100: Paquete - gui
Figura 4.101: Paquete - guicomun
Figura 4.102: Paquete - guineuronadeentrada
Figura 4.103: Paquete - guimonitor
Figura 4.104: Paquete - guineuronaderetardo
285
286
CAPITULO 4. DISENO
Figura 4.105: Paquete - guiarchivo
Figura 4.106: Paquete - guineurona
Figura 4.107: Paquete - guidialogo
Figura 4.108: Paquete - guineuronadeproceso
287
288
4.3.
CAPITULO 4. DISENO
Revisi
on crtica del dise
no (CDR)
Para realizar la revision crtica del dise

no (CDR) hay que tener en cuenta
las siguientes consideraciones.
Asegurase de que el como del dise
no detallado (diagramas de secuencia y diagramas de clase), coinciden bien con el que que se especifica
en los casos de uso.
Asegurarse que el dise
no detallado es lo suficientemente profundo para
facilitar el paso al codigo fuente.
Involucrar la revision de modularidad, cohesion de las clases, acoplamiento de los objetos, entre otras metricas.
El dise
no debe estar acorde con los estandares de la organizacion, los
cuales pueden incluir patrones de dise
no.
Asegurarse que exista una correspondencia entre los flujos del diagrama de secuencia y los requerimientos funcionales del cliente.
Los diagramas nos permiten visualizar en una pagina conceptos que
podran tomar docenas de paginas en codigo.
Los diagramas tambien nos permiten jugar rapidamente con estos conceptos y comunicarlos a otros.
Usted no puede construir codigo efectivamente a partir del dise
no detallado, si la conexion entre el dise
no y el ambiente de implementaci
on
no es obvia.
Preoc
upese acerca de detalles de su dise
no antes de saltar al codigo y no
asumir que con reparar el codigo, usted puede solucionar cualquier cosa
(usted pierde la vista global del dise
no, cuando se enfoca en codificar
peque
nas piezas).
Revise los diagramas de secuencia para cada escenario que sera construido en la version actual.
Considere los patrones de dise
no que deberan ser usados en su dise
no.
Preocuparse por detalles como el almacenamiento, la distribucion y
las capas.
CRITICA DEL DISENO

(CDR)
4.3. REVISION
289
Verifique cuidadosamente el origen y destino de cada flecha de mensaje

en cada diagrama de secuencia.
Verifique los textos de los casos de uso contra los diagramas de secuencia.
No invite a clientes no tecnicos a revisar el dise
no.
290
CAPITULO 4. DISENO
IMPLEMENTACION
Las siguientes son algunas de las recomendaciones[16] que se deben
tomar en consideracion para realizar la implementaci
on:
Aseg
urese de orientar la codificacion directamente desde el dise
no.
Si al codificar descubre en el dise
no algo malo en alg
un sentido, cambielo.
Pero tambien revise el proceso.
Mantenga regularmente inspeccionando el codigo.
Siempre cuestione el framework seleccionado en el dise
no.
No permita que cuestiones del framework tome el control sobre asuntos
del negocio.
Si el comenzar la codificacion se sale de control, detengase y regrese al
dise
no.
Mantenga el dise
no y el codigo sincronizados.
Enfoquese sobre las pruebas unitarias mientras implementa el codigo.
No sobre documente su codigo, porque pierde mantenibilidad y dificulta su lectura.
Recuerde implementar tanto los cursos alternos como los cursos basicos.
292
5.1.
CAPITULO 5. IMPLEMENTACION
Comentarios cortos
Cada clase se encuentra debidamente documentada usando JavaDoc.
Cada clase tiene un comentario corto que ayuda a vislumbrar el
objetivo de dicha clase, por ejemplo:
Cuadro 1: Ejemplo del comentario de una clase
/**
* Esta clase representa a las neuronas de retardo. Una neurona de retardo es una
* neurona que almacena dos valores y que retorna el primero cuando se le es
* solicitado y lo actualiza con l segundo cuando se requiera. Se utiliza para
* convertir redes neuronales din
amicas en est
aticas. Es equivalente a Z^(-1).
*
* @author Juli
an Esteban Guti
errez Posada
* @version 1.0
* @created Dic-2007
*/
Cada metodo tambien posee un comentario que ayuda a su comprension, por ejemplo:
Cuadro 2: Ejemplo del comentario de una m
etodo
/**
* M
etodo que desenlaza una neurona determinada en una entrada especificada.
* @param numeroDeLaEntrada N
umero de la entrada en donde se desea desenlazar
*
la neurona.
* @return Retorna el estado del enlace "<Libre>" o "<Conectado>".
* @throws java.lang.Exception Si el n
umero de la entrada es inv
alida
*/
public String obtenerEstadoDelEnlaceDeLaEntrada( int numeroDeLaEntrada )
throws Exception
{
...
}
La implementacion se hizo utilizando NetBeans 6.1 con Java Standard

Edition 6, Update 3
Todo los metodos son visibles en un pantallazo, salvo algunas excepciones.

5.2. PARTICULARIDADES DE LA IMPLEMENTACION
293
La eleccion de los nombres para todos los identificadores se hizo con

base en los siguientes criterios:
Todo se escribe en espa
nol.
No uso de siglas.
Todos los nombre de los metodos deben iniciar por un verbo, por
ejemplo: obtener, cambiar, realizar, . . . .
Cuando un identificador tiene mas de una palabra, no se usa el
caracter (_) para separarlas, salvo si son constantes.
Los identificadores de las constantes se escriben en may
usculas
sostenidas, los demas, solo la primera letra de cada palabra (salvo
la primera palabra).
Los identificadores para las clases usan may
usculas para la primera
letra de cada palabra, incluyendo la primera.
En el momento de la implementaci
on, se ajustaron algunos modificadores de acceso para ciertos metodos, sin alterar la funcionalidad
original.
POR RESPETO AL LECTOR, TODO EL CODIGO

DE LA APLICACION
DEBERA
SER CONSULTADO EN EL CD QUE ACOMPANA

ESTE DOCUMENTO.
5.2.
Particularidades de la implementaci
on
5.2.1.
Definir nuevo monitor a neurona de entrada
Despues de compilar y determinar que no hay errores de compilacion,

se procede hacer una serie de artilugios para poder adicionar en tiempo de
ejecucion un archivo .class al archivo usuario.jar. La dificultad radica
en que dicho archivo jar se encuentra en uso por la aplicacion principal.
Estos pasos se repiten para los otros tipos de monitores.

294
Cuadro 3: Adicionar un archivo .class a un archivo .jar

if ( new File ("lib/usuario.jar").isFile() )
{
Disco.copiarArchivo("lib/usuario.jar", "lib/nuevoUsuario.jar");
Disco.ejecutarAplicativo("jar", "uf lib/nuevoUsuario.jar usuario/");
}
else
{
Disco.ejecutarAplicativo("jar", "cf lib/nuevoUsuario.jar usuario/");
}
Disco.copiarArchivo("lib/nuevoUsuario.jar", "lib/usuario.jar");
Disco.eliminarArchivo("lib/nuevoUsuario.jar");
Disco.eliminarArchivo(nombreMonitor+".java");
Disco.eliminarArchivo("usuario/monitor/neurona/entrada/"+nombreMonitor+".class");
Disco.eliminarArchivo("usuario/monitor/neurona/entrada");
Disco.eliminarArchivo("usuario/monitor/neurona");
Disco.eliminarArchivo("usuario/monitor");
Disco.eliminarArchivo("usuario");
Como se puede observar en el codigo del Cuadro 3, se verifica la existencia del archivo usuario.jar en la carpeta lib, de existir, se le hace una
copia nuevoUsuario.jar, y se le adiciona a dicha copia la carpeta en donde
se genero el nuevo archivo .class. De no existir, simplemente se crea el
archivo usuario.jar con dicha carpeta.
Posteriormente, se realiza una copia del archivo nuevoUsuario.jar con
el nuevo nombre de usuario.jar, logrando as modicarlo. Los pasos finales,
simplemente son la eliminacion de los archivos generados por la aplicacion
y por el proceso de compilacion.
5.2.2.
Crear monitor a neurona de entrada
Como se observo en la seccion anterior, en algunas ocasiones es necesario adicionar un archivo .class al archivo usuario.jar. Hasta no existe
dificultad, salvo que dicho archivo se encuentra en uso por la aplicacion
principal. Lo anterior tiene como consecuencia que la aplicacion principal
no reconoce la clase adicionada sino hasta despues de su reiniciacion, lo cual
es un problema.

5.2. PARTICULARIDADES DE LA IMPLEMENTACION
295
Cuadro 4: Instanciar un objeto sin inicializaci

on,
de una clases y jar especificados
MonitorDeNeuronaDeEntrada monitor;
ClassLoader cargador = new URLClassLoader ( new URL[] {
new File ("lib//usuario.jar")
.toURI().toURL()
}
);
Class c = cargador.loadClass( tipoDeMonitor );
monitor = (MonitorDeNeuronaDeEntrada) c.newInstance();
El codigo del Cuadro 4, permite resolver este problema, al cargar dinamicamente un archivo jar y de el instanciar una clase determinada. De nuevo,
estos pasos se repiten para los otros tipos de monitores.
Si el objeto a instanciar posee un metodo constructor con argumentos,
es necesario usar las instrucciones que se observan en el Cuadro 5.
Cuadro 5: Instanciar un objeto con inicializaci
on,
de una clase y jar especificados
ClassLoader cargador = new URLClassLoader ( new URL[] {
new File ("lib//usuario.jar")
.toURI().toURL()
}
);
Class c = cargador.loadClass( tipoDeNeurona );
Constructor constructor = c.getConstructor( new Class[]{ String.class } );
neurona = ( NeuronaDeRetardo ) constructor.newInstance( nombreNeurona );

296
5.3.
Plantillas para generar c

odigo
5.3.1.
Aplicaci
on
En la Figura 6 se puede observar la plantilla utilizada para generar una

aplicacion.
Cuadro 6: Plantilla del c
odigo para generar una aplicaci
on
import javax.swing.UIManager;
import javax.swing.JOptionPane;
public class AplicacionDeUsuario
{
public static void main ( String[] arg )
{
try
{
UIManager.setLookAndFeel( "com.nilo.plaf.nimrod.NimRODLookAndFeel" );
}
catch ( Throwable e )
{
}
try
{
new tipoRedNeuronal( "nombreRedNeuronal" ).ejecutarRed( );
}
catch ( Throwable e )
{
JOptionPane.showMessageDialog (null, "Error, la red neuronal \"" +
tipoRedNeuronal + "\""
);
}
System.exit ( 0 );
}
}

5.3. PLANTILLAS PARA GENERAR CODIGO
5.3.2.
297
Funci
on Base

funcion base.
odigo para generar una funci
on base
package usuario.tipo.funcion.base;
import java.lang.Exception;
import neuronal.neurona.FuncionBase;
public class nombre extends FuncionBase
{
public nombre ( )
{
super ( "Nueva funci
on base -> \""+ nombre + "\"" );
}
public double obtenerValor( double[] entrada, double[] peso ) throws Exception
{
double salida = 0.0;
// Codigo de la funci
on
return salida;
}
}

298
5.3.3.
Funci
on de activaci
on

funcion de activacion.
on de
activaci
on
package usuario.tipo.funcion.activacion;
import matematica.FuncionMatematica;
public class nombre extends FuncionMatematica

{
public nombre ( )
{
on de activaci
on-> \""+ nombre + "\"" );
}
public double obtenerValor( double x )
{
on
return salida;
}
}

5.3.4.
299
Funci
on de transferencia

funcion de transferencia.
on de
transferencia
package usuario.tipo.funcion.transferencia;
import matematica.FuncionMatematica;
public class nombre extends FuncionMatematica

{
public nombre ( )
{
on de transferencia-> \""+ nombre + "\"" );
}
public double obtenerValor( double x )
{
on
return salida;
}
}
5.3.5.
Manifest
En la Figura 10 se puede observar el archivo Manifest.JEG utilizado

para generar una aplicacion.
Cuadro 10: Archivo Manifest.JEG utilizado para generar
aplicaciones
Class-Path: lib/BibliotecaRNA.jar lib/nimrodlf.jar lib/usuario.jar
Main-Class: AplicacionDeUsuario

300
5.3.6.
Monitor a neurona de entrada
En la Figura 11 se puede observar la plantilla utilizada para generar un

monitor a una neurona de entrada.
odigo para generar un monitor a una
neurona de entrada
package usuario.monitor.neurona.entrada;
import neuronal.neurona.Neurona;
import neuronal.neurona.NeuronaDeEntrada;
import neuronal.monitor.MonitorDeNeuronaDeEntrada;
public class nombre extends MonitorDeNeuronaDeEntrada
{
// Variables modelo
public nombre ()
{
// Constructor
}
public void realizarActualizacion( Neurona neurona )

{
NeuronaDeEntrada neuronaModificada = (NeuronaDeEntrada) neurona;
// Funcionamiento
}
public void finalize() throws Throwable

{
// Destructor
}
}

5.3.7.
301
Monitor a neurona de proceso

monitor a una neurona de proceso.
neurona de proceso
import neuronal.monitor.MonitorDeNeuronaDeProceso;
public class nombre extends MonitorDeNeuronaDeProceso
{
// Variables modelo
public nombre ()
{
// Constructor
}

{
NeuronaDeProceso neuronaModificada = (NeuronaDeProceso) neurona;
// Funcionamiento
}

{
// Destructor
}
}

302
5.3.8.
Monitor a neurona de retardo

monitor a una neurona de retardo.
neurona de retardo
package usuario.monitor.neurona.retardo;
import neuronal.neurona.Neurona;
import neuronal.neurona.NeuronaDeRetardo;
import neuronal.monitor.MonitorDeNeuronaDeRetardo;
public class nombre extends MonitorDeNeuronaDeRetardo
{
// Variables modelo
public nombre ()
{
// Constructor
}

{
NeuronaDeRetardo neuronaModificada = (NeuronaDeRetardo) neurona;
// Funcionamiento
}

{
// Destructor
}
}

5.3.9.
303
Neurona de retardo (Valor Futuro)

neurona de retardo.
odigo para generar una neurona de
retardo
package usuario.tipo.valorfuturo;
import neuronal.neurona.NeuronaDeRetardo;
public class nombre extends NeuronaDeRetardo
{
// variablesModelo
public nombre ()
{
super ( \"Nueva neurona de retardo -> \\\""+ nombre +"\\\"\" );
// Constructor
}
public double obtenerSiguienteValorFuturo()
{
double valorSiguiente = 0.0;
// codigoFuncion
return valorSiguiente;
}

{
// Destructor
}
}

304
5.3.10.
Red Neuronal

red neuronal.
odigo para generar una red neuronal
package usuario.tipo.redneuronal;
import
import
import
import
neuronal.redneuronal.RedNeuronal;
neuronal.neurona.NeuronaDeProceso;
neuronal.neurona.NeuronaDeRetardo;
neuronal.neurona.NeuronaDeEntrada;
import javax.swing.JOptionPane;
public class nombreRed extends RedNeuronal
{
// Variables modelo
public nombreRed ( String nombre )
{
super ( "Nueva red neuronal " + nombreRed + " -> " + nombre );
}
public void crearRedNeuronal( )

{
// Construcci
on topologia
}
public
{
void ejecutarRed( )
// C
odigo de funcionamiento
}
// M
etodos de aprendizaje
}
PRUEBAS
Hoy por hoy, las pruebas se han convertido en una tarea de suma importancia en el desarrollo de cualquier software, debido principalmente al
aumento en el tama
no y complejidad de los mismos.
Las siguientes son algunas de las recomendaciones[16] que se deben
tomar en consideracion para realizar las pruebas:
Adoptar un conjunto de pruebas en donde cada error encontrado es
una victoria y no un defecto.
Comprender la diferencia entre los tipos de pruebas y cuando y por
que debe usar cada una (Ver figura 6.1).
Cree una o mas pruebas por cada control que aparezca en el diagrama
de robustez.
Para sistemas en tiempo real, use los elementos de los diagramas de
estados como basicos para los casos de prueba.
Haga verificacion a nivel de requerimientos, chequeando que cada requerimiento identificado este explicado.
CAPITULO 6. PRUEBAS
306
Use una matriz de trazabilidad para ayudarse en la verificaci

on de
requerimientos.
Haga escenarios para pruebas de aceptacion por cada caso de prueba.
Expanda sus escenarios de prueba, para cubrir una ruta completa de
los curso basicos y alternos.
Use un framework como JUnit para almacenar y organiza los casos
de prueba y sus pruebas.
Mantenga sus pruebas en un grado fino.
Figura 6.1: Modelo en V aplicado al proceso ICONIX

Pruebas de unidad: Pruebas de componentes individuales de software, simulando algunas entradas y salidas de otros componentes. Es
importante en la fase de desarrollo para encontrar errores.
Pruebas de integraci
on: Prueba el desempe
no al exponer fallas en
las interfaces y en la interacci
on entre los componentes integrados. En
este punto, se puede hacer una prueba de compatibilidad para
probar que la interoperativilidad con otros sistemas trabaja correctamente.
6.1. LISTADO DE LOS CASOS DE PRUEBA
307
Pruebas del sistema: Prueba los requerimientos funcionales del software (casos de uso y procesos de negocio).
Pruebas de aceptaci
on: Pruebas conducidas por los clientes para
determinar si el sistema re
une los requerimientos especificados en el
contrato. Es en este punto importante realizar Pruebas beta con
usuarios finales.
Pruebas de liberaci
on: Verifica que el producto finalizado refleja
correctamente los casos de negocio.
Existen otros tipos de prueba como:
Pruebas de requerimientos no funcionales: Pruebas no relacionadas con la funcionalidad, sino con el desempe
no, la usabilidad, la
seguridad, etc.
Pruebas de desempe
no: Pruebas conducidas para evaluar la obediencia del sistema o componente con unos requerimientos de desempe
no especificados.
Pruebas del stress: Pruebas conducentes a evaluar un sistema o
componente mas alla de los lmites de sus requerimientos especificados.
Pruebas de volumen: Probando donde el sistema esta expuesto a
grandes vol
umenes de datos.
6.1.
Listado de los casos de prueba
La Figura 6.2 muestra 23 archivos java agrupados en tres paquetes, los

cuales corresponden a 19 casos de prueba y algunos programa de apoyo.
Todo esto realizado en NetBeans 6.1.
La Figura 6.3 muestra los 19 casos de prueba ejecutados, los cuales
agrupan 200 pruebas individuales realizadas con JUnit 4.1. Observe que todas las pruebas individuales fueron exitosas, es decir obtuvieron el resultado
esperado.
308
CAPITULO 6. PRUEBAS
Figura 6.2: Listado de los casos de prueba
Figura 6.3: Listado de los casos de prueba ejecutados
6.1. LISTADO DE LOS CASOS DE PRUEBA
Figura 6.4: Pruebas en DiscoLaboratorioVirtualRNATest
309
CAPITULO 6. PRUEBAS
310
6.2.
Pruebas en DiscoLaboratorioVirtualRNATest
Las 44 pruebas individuales realizadas a DiscoLaboratorioVirtualRNATest.

se pueden observar en la Figura 6.4.
Antes de explicar las pruebas, es importante anotar que esta clase tiene
un metodo constructor que realiza:
Crea de forma temporal el arbol de directorios que se observa en la
Figura 6.5.
Figura 6.5: Directorios creados para realizar las pruebas

Crear un archivo llamado Prueba.class en lo directorios finales del
arbol ( entrada, retardo, proceso, base, activacion, transferencia,
redneuronal, valorfuturo.
Con todos estos directorio y archivos, se crea un archivo JAR llamado
"usuario.jar". en la carpeta "lib", el cual es consultado por la clase
DiscoLaboratorioVirtualRNA.
Estos directorios y archivos son importantes para poder realizar las pruebas.
1. Prueba obtenerTiposDeMonitoresANeuronasDeEntrada
El objetivo de esta prueba (Ver Cuadro 6.1) es obtener los tipos de
monitores a neuronas de entrada (archivos almacenados en la carpeta
entrada).
6.2. PRUEBAS EN DISCOLABORATORIOVIRTUALRNATEST
311
PROCEDIMIENTO
RESULTADO ESPERADO
Solicitar a la clase
DiscoLaboratorioVirtualRNA
obtenerTiposDeMonitoresANeuronasDeEntrada
Un String[] que contiene

{ PruebaGuardarOBJ.prueba y
PruebaGuardarTXT.prueba }
Tabla 6.1: obtenerTiposDeMonitoresANeuronasDeEntrada

2. Prueba buscarMonitorNeuronaDeEntrada
El objetivo de esta prueba (Ver Cuadro 6.2) es buscar un monitor a
neurona de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO
buscarMonitorNeuronaDeEntrada llamado
Prueba.class
Un boolean que
contiene true
Tabla 6.2: buscarMonitorNeuronaDeEntrada

3. Prueba construirClaseMonitorNeuronaDeEntrada
El objetivo de esta prueba (Ver Cuadro 6.3) es construir una clase
monitor a neurona de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseMonitorNeuronaDeEntrada
llamado 1.java
Un archivo llamado
1.java
Tabla 6.3: construirClaseMonitorNeuronaDeEntrada

4. Prueba almacenarFragmentosDeCodigoMonitorNeuronaDeEntrada
El objetivo de esta prueba (Ver Cuadro 6.4) es almacenar fragmentos de codigo de un monitor a neurona de entrada, cuyas partes sean:
nombre = "1", variablesModelo = "2", constructor = "3", destructor
= "4" y codigoFuncion = "5".
CAPITULO 6. PRUEBAS
312
PROCEDIMIENTO
RESULTADO ESPERADO
almacenarFragmentosDeCodigoMonitor . . .
. . . NeuronaDeEntrada llamado 1.MNE
Un archivo llamado
1.MNE
Tabla 6.4: almacenarFragmentosDeCodigoMonitorNeuronaDeEntrada

5. Prueba cargarNuevoMonitorNeuronaDeEntrada
El objetivo de esta prueba (Ver Cuadro 6.5) es cargar un nuevo monitor a neurona de entrada requisito haber realizado la prueba para
almacenar fragmentos de codigo.
PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevoMonitorNeuronaDeEntrada
llamado 1.MNE
Un String[] que
contiene { "1", "2",
"3", "4", "5" }
Tabla 6.5: cargarNuevoMonitorNeuronaDeEntrada

6. Prueba obtenerTiposDeMonitoresANeuronasDeRetardo
monitores a neuronas de retardo.
PROCEDIMIENTO
RESULTADO ESPERADO
obtenerTiposDeMonitoresANeuronasDeRetardo
Un String[] que
contiene Prueba.class
Tabla 6.6: obtenerTiposDeMonitoresANeuronasDeRetardo

7. Prueba buscarMonitorNeuronaDeRetardo
neurona de retardo.
313
PROCEDIMIENTO
RESULTADO ESPERADO
buscarMonitorNeuronaDeRetardo llamado
Prueba.class
Un boolean que
contiene true
Tabla 6.7: buscarMonitorNeuronaDeRetardo

8. Prueba construirClaseMonitorNeuronaDeRetardo
monitor a neurona de retardo.
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseMonitorNeuronaDeRetardo
llamado 1.java
Un archivo llamado
1.java
Tabla 6.8: construirClaseMonitorNeuronaDeRetardo

9. Prueba almacenarFragmentosDeCodigoMonitorNeuronaDeRetardo
El objetivo de esta prueba (Ver Cuadro 6.9) es almacenar fragmentos de codigo de un monitor a neurona de retardo, cuyas partes sean:
PROCEDIMIENTO
RESULTADO ESPERADO
. . . NeuronaDeRetardo llamado 1.MNR
Un archivo llamado
1.MNR
Tabla 6.9: almacenarFragmentosDeCodigoMonitorNeuronaDeRetardo

10. Prueba cargarNuevoMonitorNeuronaDeRetardo
El objetivo de esta prueba (Ver Cuadro 6.10) es cargar un nuevo monitor a neurona de retardo requisito haber realizado la prueba para
CAPITULO 6. PRUEBAS
314
PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevoMonitorNeuronaDeRetardo
llamado 1.MNR
Un String[] que
"3", "4", "5" }
Tabla 6.10: cargarNuevoMonitorNeuronaDeRetardo

11. Prueba obtenerTiposDeMonitoresANeuronasDeProceso
monitores a neuronas de proceso.
PROCEDIMIENTO
RESULTADO ESPERADO
obtenerTiposDeMonitoresANeuronasDeProceso
Un String[] que
Tabla 6.11: obtenerTiposDeMonitoresANeuronasDeProceso

12. Prueba buscarMonitorNeuronaDeProceso
neurona de proceso.
PROCEDIMIENTO
RESULTADO ESPERADO
buscarMonitorNeuronaDeProceso llamado
Prueba.class
Un boolean que
contiene true
Tabla 6.12: buscarMonitorNeuronaDeProceso

13. Prueba construirClaseMonitorNeuronaDeProceso
monitor a neurona de proceso.
315
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseMonitorNeuronaDeProceso
llamado 1.java
Un archivo llamado
1.java
Tabla 6.13: construirClaseMonitorNeuronaDeProceso

14. Prueba almacenarFragmentosDeCodigoMonitorNeuronaDeProceso
El objetivo de esta prueba (Ver Cuadro 6.14) es almacenar fragmentos de codigo de un monitor a neurona de proceso, cuyas partes sean:
PROCEDIMIENTO
RESULTADO ESPERADO
. . . NeuronaDeProceso llamado 1.MNP
Un archivo llamado
1.MNP
Tabla 6.14: almacenarFragmentosDeCodigoMonitorNeuronaDeProceso

15. Prueba cargarNuevoMonitorNeuronaDeProceso
El objetivo de esta prueba (Ver Cuadro 6.15) es cargar un nuevo monitor de neurona de proceso requisito haber realizado la prueba para
PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevoMonitorNeuronaDeProceso
llamado 1.MNP
Un String[] que
"3", "4", "5" }
Tabla 6.15: cargarNuevoMonitorNeuronaDeProceso

16. Prueba obtenerFuncionesBase
El objetivo de esta prueba (Ver Cuadro 6.16) es obtener las funciones
base.
CAPITULO 6. PRUEBAS
316
PROCEDIMIENTO
RESULTADO ESPERADO
obtenerFuncionesBase
Un String[] que
Tabla 6.16: obtenerFuncionesBase

17. Prueba buscarFuncionBase
El objetivo de esta prueba (Ver Cuadro 6.17) es buscar una funcion
base.
PROCEDIMIENTO
RESULTADO ESPERADO
buscarFuncionBase llamado
Prueba.class
Un boolean que
contiene true
Tabla 6.17: buscarFuncionBase

18. Prueba construirClaseFuncionBase
funcion base.
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseFuncionBase
llamado 1.java
Un archivo llamado
1.java
Tabla 6.18: construirClaseFuncionBase

19. Prueba almacenarFragmentosDeCodigoFuncionBase
El objetivo de esta prueba (Ver Cuadro 6.19) es almacenar fragmentos
de codigo de una funcion base, cuyas partes sean: nombre = "1" y
codigoFuncion = "2".

PROCEDIMIENTO
RESULTADO ESPERADO
almacenarFragmentosDeCodigo . . .
. . . FuncionBase llamado 1.TFB
Un archivo llamado
1.TFB
317
Tabla 6.19: almacenarFragmentosDeCodigoFuncionBase

20. Prueba cargarNuevaFuncionBase
El objetivo de esta prueba (Ver Cuadro 6.20) es cargar una nueva funcion base requisito haber realizado la prueba para almacenar fragmentos de codigo.
PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevaFuncionBase
llamado 1.TFB
Un String[] que
contiene { "1", "2" }
Tabla 6.20: cargarNuevaFuncionBase

21. Prueba obtenerFuncionesDeActivacion
de activacion.
PROCEDIMIENTO
RESULTADO ESPERADO
obtenerFuncionesDeActivacion
Un String[] que
Tabla 6.21: obtenerFuncionesDeActivacion

22. Prueba buscarFuncionDeActivacion
de activacion.
CAPITULO 6. PRUEBAS
318
PROCEDIMIENTO
RESULTADO ESPERADO
buscarFuncionDeActivacion llamado
Prueba.class
Un boolean que
contiene true
Tabla 6.22: buscarFuncionDeActivacion

23. Prueba construirClaseFuncionDeActivacion
funcion de activacion.
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseFuncionDeActivacion
llamado 1.java
Un archivo llamado
1.java
Tabla 6.23: construirClaseFuncionDeActivacion

24. Prueba almacenarFragmentosDeCodigoFuncionDeActivacion
de codigo de una funcion de activaci
on, cuyas partes sean: nombre =
"1" y codigoFuncion = "2".
PROCEDIMIENTO
RESULTADO ESPERADO
. . . FuncionDeActivacion llamado 1.TFA
Un archivo llamado
1.TFA
Tabla 6.24: almacenarFragmentosDeCodigoFuncionDeActivacion

25. Prueba cargarNuevaFuncionDeActivacion
El objetivo de esta prueba (Ver Cuadro 6.25) es cargar una nueva funcion de activacion requisito haber realizado la prueba para almacenar
fragmentos de codigo.

PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevaFuncionDeActivacion
llamado 1.TFA
Un String[] que
contiene { "1", "2" }
319
Tabla 6.25: cargarNuevaFuncionDeActivacion

26. Prueba obtenerFuncionesDeTransferencia
de transferencia.
PROCEDIMIENTO
RESULTADO ESPERADO
obtenerFuncionesDeTransferencia
Un String[] que
Tabla 6.26: obtenerFuncionesDeTransferencia

27. Prueba buscarFuncionDeTransferencia
de transferencia.
PROCEDIMIENTO
RESULTADO ESPERADO
buscarFuncionDeTransferencia llamado
Prueba.class
Un boolean que
contiene true
Tabla 6.27: buscarFuncionDeTransferencia

28. Prueba construirClaseFuncionDeTransferencia
funcion de transferencia.
CAPITULO 6. PRUEBAS
320
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseFuncionDeTransferencia
llamado 1.java
Un archivo llamado
1.java
Tabla 6.28: construirClaseFuncionDeTransferencia

29. Prueba almacenarFragmentosDeCodigoFuncionDeTransferencia
de codigo de una funcion de transferencia, cuyas partes sean: nombre
PROCEDIMIENTO
RESULTADO ESPERADO
. . . FuncionDeTransferencia llamado 1.TFT
Un archivo llamado
1.TFT
Tabla 6.29: almacenarFragmentosDeCodigoFuncionDeTransferencia

30. Prueba cargarNuevaFuncionDeTransferencia
El objetivo de esta prueba (Ver Cuadro 6.30) es cargar una nueva
funcion de transferencia requisito haber realizado la prueba para almacenar fragmentos de codigo.
PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevaFuncionDeTransferencia
llamado 1.TFA
Un String[] que
contiene { "1", "2" }
Tabla 6.30: cargarNuevaFuncionDeTransferencia

31. Prueba obtenerTiposDeRedesNeuronales
redes neuronales.

PROCEDIMIENTO
RESULTADO ESPERADO
obtenerTiposDeRedesNeuronales
Un String[] que
321
Tabla 6.31: obtenerTiposDeRedesNeuronales

32. Prueba buscarRedNeuronal
El objetivo de esta prueba (Ver Cuadro 6.32) es buscar una red neuronal.
PROCEDIMIENTO
RESULTADO ESPERADO
buscarRedNeuronal llamado
Prueba.class
Un boolean que
contiene true
Tabla 6.32: buscarRedNeuronal

33. Prueba construirClaseRedNeuronal
El objetivo de esta prueba (Ver Cuadro 6.33) es construir una clase de
red neuronal.
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseRedNeuronal
llamado 1.java
Un archivo llamado
1.java
Tabla 6.33: construirClaseRedNeuronal

34. Prueba almacenarFragmentosDeCodigoRedNeuronal
El objetivo de esta prueba (Ver Cuadro 6.34) es almacenar fragmentos de codigo de una red neuronal, cuyas partes sean: nombre = "1",
variablesModelo = "2", constructorTopologia = "3", aprendizaje
= "4" y codigoFuncionamiento = "5".
CAPITULO 6. PRUEBAS
322
PROCEDIMIENTO
RESULTADO ESPERADO
. . . RedNeuronal llamado 1.TRN
Un archivo llamado
1.TRN
Tabla 6.34: almacenarFragmentosDeCodigoRedNeuronal

35. Prueba cargarNuevaRedNeuronal
El objetivo de esta prueba (Ver Cuadro 6.35) es cargar una nueva red
neuronal. requisito haber realizado la prueba para almacenar fragmentos de codigo.
PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevaRedNeuronal
llamado 1.TRN
Un String[] que
"3", "4", "5" }
Tabla 6.35: cargarNuevaRedNeuronal

36. Prueba obtenerTipoValorFuturo
valor futuro.
PROCEDIMIENTO
RESULTADO ESPERADO
obtenerTipoValorFuturo
Un String[] que
Tabla 6.36: obtenerTipoValorFuturo

37. Prueba buscarTipoValorFuturo
El objetivo de esta prueba (Ver Cuadro 6.37) es buscar un tipo de
valor futuro.

PROCEDIMIENTO
RESULTADO ESPERADO
buscarTipoValorFuturo llamado
Prueba.class
Un boolean que
contiene true
323
Tabla 6.37: buscarTipoValorFuturo

38. Prueba construirClaseTipoValorFuturo
tipo de valor futuro.
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseTipoValorFuturo
llamado 1.java
1.java
Tabla 6.38: construirClaseTipoValorFuturo

39. Prueba almacenarFragmentosDeCodigoTipoValorFuturo
de codigo de un tipo de valor futuro,cuyas partes sean: nombre = "1",
variablesModelo = "2", constructor = "3", destructor = "4" y
codigoFuncion = "5".
PROCEDIMIENTO
RESULTADO ESPERADO
. . . RedNeuronal llamado 1.TVF
1.TVF
Tabla 6.39: almacenarFragmentosDeCodigoTipoValorFuturo

40. Prueba cargarNuevoValorFuturo
El objetivo de esta prueba (Ver Cuadro 6.40) es cargar un nuevo valor
futuro. requisito haber realizado la prueba para almacenar fragmentos de codigo.
CAPITULO 6. PRUEBAS
324
PROCEDIMIENTO
RESULTADO ESPERADO
cargarNuevoValorFuturo
llamado 1.TRN
Un String[] que
"3", "4", "5" }
Tabla 6.40: cargarNuevoValorFuturo

41. Prueba eliminarClase
El objetivo de esta prueba (Ver Cuadro 6.41) es eliminar un archivo
de una clase de java. (no hay que especificar la extension).
PROCEDIMIENTO
RESULTADO ESPERADO
Crear un archivo llamado Prueba.Java

eliminarClase al archivo Prueba
No encontrar un archivo
llamado Prueba.java
Tabla 6.41: eliminarClase

42. Prueba eliminarContenidoDeAplicacion
El objetivo de esta prueba (Ver Cuadro 6.42) es eliminar el contenido
de la carpeta Aplicacion.
PROCEDIMIENTO
RESULTADO ESPERADO
Crear el directorio llamado Aplicacion

y luego dentro de el, crea el directorio lib
y el archivo Prueba.txt, luego le
solicita a la clase
eliminarContenidoDeAplicacion
No encontrar ni el archivo,
ni los directorios.
Tabla 6.42: eliminarContenidoDeAplicacion

43. Prueba crearArchivoManifestDeAplicacionDeUsuario
El objetivo de esta prueba (Ver Cuadro 6.43) es crear el archivo manifest de la clase aplicacion del usuario.
6.3. PRUEBAS EN DISCOTEST
325
PROCEDIMIENTO
RESULTADO ESPERADO
crearArchivoManifestDeAplicacionDeUsuario
Encontrar un archivo
llamado Manifest.JEG
Tabla 6.43: crearArchivoManifestDeAplicacionDeUsuario

44. Prueba construirClaseAplicacionDeUsuario
aplicacion de usuario.
PROCEDIMIENTO
RESULTADO ESPERADO
construirClaseAplicacionDeUsuario
Encontrar un archivo
llamado AplicacionDeUsuario.java
Tabla 6.44: construirClaseAplicacionDeUsuario
6.3.
Pruebas en DiscoTest
Las 8 pruebas individuales realizadas a DiscoTest se pueden observar

en la Figura 6.6.
Figura 6.6: Pruebas en DiscoTest

un metodo setUp que se ejecuta antes de cada prueba. El objetivo de este
metodo es crear de forma temporal una carpeta llamada ArchivosDePrueba,
en la cual se realiza la prueba siguiente.
CAPITULO 6. PRUEBAS
326
1. Prueba guardarInformacion
El objetivo de esta prueba (Ver Cuadro 6.45) es guardar un objeto en

un archivo.
PROCEDIMIENTO
RESULTADO ESPERADO
Se crea un objeto String y

se le solicita a la clase
Disco
guardarInformacion en un
archivo llamado PruebaGuardarOBJ.prueba
Ning
un error en la creacion del
archivo.
Tabla 6.45: guardarInformacion

2. Prueba cargarInformacion
El objetivo de esta prueba (Ver Cuadro 6.46) es cargar un objeto de un
archivo. requisito haber realizado la prueba guardarInformacion.
PROCEDIMIENTO
RESULTADO ESPERADO
Disco
cargarInformacion de un
archivo llamado PruebaGuardarOBJ.prueba
Un String que
contiene la cadena almacenada
en la prueba anterior.
Tabla 6.46: cargarInformacion

3. Prueba guardarArchivoDeTexto
El objetivo de esta prueba (Ver Cuadro 6.47) es guardar una cadena
en un archivo de texto.
4. Prueba obtenerListaDeArchivos
El objetivo de esta prueba (Ver Cuadro 6.48) es obtener la lista de
archivos de una carpeta. Es indispensable para esta prueba la ejecucion con anterioridad de las pruebas: GuardarArchivoDeTexto y
GuardarInformacion.
5. Prueba copiarArchivo
El objetivo de esta prueba (Ver Cuadro 6.49) es sacar una copia de un
archivo.
6.3. PRUEBAS EN DISCOTEST
327
PROCEDIMIENTO
RESULTADO ESPERADO
Se crea un objeto String y

se le solicita a la clase
Disco
guardarArchivoDeTexto en un
archivo llamado PruebaGuardarTXT.prueba.
Ning
un error en la creacion del
archivo.
Tabla 6.47: guardarArchivoDeTexto
PROCEDIMIENTO
RESULTADO ESPERADO
Disco
obtenerListaDeArchivos del
directorio de pruebas.
Un String[] que
contiene { PruebaGuardarOBJ.prueba y
PruebaGuardarTXT.prueba }
Tabla 6.48: obtenerListaDeArchivos
PROCEDIMIENTO
RESULTADO ESPERADO
Disco
obtenerListaDeArchivos
y determinar la cantidad de ellos,
luego se le solicita a la misma clase
que haga copiarArchivo de un
archivo especificado, finalmente se
vuelve a determinar la cantidad de
archivos
Que la cantidad de archivos finales sean

mayor en una unidad a la cantida de
archivos iniciales.
Tabla 6.49: copiarArchivo
CAPITULO 6. PRUEBAS
328
6. Prueba ejecutarAplicativo
El objetivo de esta prueba (Ver Cuadro 6.50) es ejecutar un programa,

en este caso java -version.
PROCEDIMIENTO
RESULTADO ESPERADO
Se le solicita a la clase
Disco
ejecutarAplicativo en una
aplicacion llamada java -version.
Ning
un error en la ejecucion de la
aplicacion.
Tabla 6.50: ejecutarAplicativo

7. Prueba eliminarArchivo
El objetivo de esta prueba (Ver Cuadro 6.51) es eliminar un archivo.
PROCEDIMIENTO
RESULTADO ESPERADO
Se crea un archivo temporal llamado

Prueba.xxx y se le solicita a la
clase Disco eliminarArchivo
(el temporal), luego se verifica que
el archivo temporal exista.
Un boolean que
contiene false
Tabla 6.51: eliminarArchivo

8. Prueba eliminarContenidoDeUnaCarpeta
El objetivo de esta prueba (Ver Cuadro 6.52) es eliminar todo el contenido de un carpeta (solo archivos).
PROCEDIMIENTO
RESULTADO ESPERADO
Se le solicita a la clase
Disco
eliminarContenidoDeUnaCarpeta de la
carpeta llamada ArchivosDePrueba,
obtener la cantidad de archivos de y
dicha carpeta y verificar que sea cero.
Un int que
contenga cero.
Tabla 6.52: eliminarContenidoDeUnaCarpeta
6.4. PRUEBAS EN LISTADENEURONASTEST
6.4.
329
Pruebas en ListaDeNeuronasTest
Las 4 pruebas individuales realizadas a ListaDeNeuronasTest se pueden

observar en la Figura 6.7.
Figura 6.7: Pruebas en ListaDeNeuronasTest

1. Prueba adicionarNeurona1
El objetivo de esta prueba (Ver Cuadro 6.53) es adicion/busqueda de
una neurona de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO
Se crea un objeto ListaDeNeuronas,

luego se le pide a dicho objeto que adicione una
nueva neurona de entrada cuyo nombre es
Neurona de Proceso, posteriormente se le
pide buscarNeurona al objeto lista cuyo
nombre sea el especificado y finalmente se
compara el nombre de la neurona encontrada con
el nombre de la neurona adicionada.
Un String que
contiene Neurona de Entrada
Tabla 6.53: adicionarNeurona1

una neurona de retardo.
una neurona de proceso.
4. Prueba buscarNeurona
El objetivo de esta prueba (Ver Cuadro 6.56) es busqueda de una
neurona inexistente.
CAPITULO 6. PRUEBAS
330
PROCEDIMIENTO
RESULTADO ESPERADO

nueva neurona de retardo cuyo nombre es
Un String que
contiene Neurona de Retardo
PROCEDIMIENTO
RESULTADO ESPERADO

nueva neurona de proceso cuyo nombre es
Un String que
contiene Neurona de Proceso
PROCEDIMIENTO
RESULTADO ESPERADO

luego se le pide a dicho objeto buscarNeurona
cuyo nombre es Neurona inexistente,
finalmente se compara el resultado
objenido con null.
Una Neurona que

contiene null
Tabla 6.56: buscarNeurona
6.5. PRUEBAS EN LISTADEREDESNEURONALESTEST
6.5.
331
Pruebas en ListaDeRedesNeuronalesTest
Las 2 pruebas individuales realizadas a ListaDeRedesNeuronalesTest

Figura 6.8: Pruebas en ListaDeRedesNeuronalesTest

1. Prueba adicionarRedNeuronal
una red neuronal.
PROCEDIMIENTO
RESULTADO ESPERADO
Se crea un objeto
ListaDeRedesNeuronales, luego se
le pide a dicho objeto que adicione
una nueva red neuronal cuyo nombre es
Backpropagation de prueba,
posteriormente se le pide
buscarRedNeuronal al objeto lista
cuyo nombre sea el especificado y
finalmente se compara el nombre de la
red neuronal encontrada con el nombre
de la red neuronal adicionada.
Un String que
contiene Backpropagation de prueba
Tabla 6.57: adicionarRedNeuronal

2. Prueba buscarRedNeuronal
El objetivo de esta prueba (Ver Cuadro 6.58) es busqueda de una red
neuronal inexistente.
CAPITULO 6. PRUEBAS
332
PROCEDIMIENTO
RESULTADO ESPERADO
Se crea un objeto ListaDeRedesNeuronales,

luego se le pide a dicho objeto
buscarRedNeuronal cuyo nombre es
Red inexistente, finalmente se compara
el resultado objenido con null.
Una RedNeuronal que

contiene null
Tabla 6.58: buscarRedNeuronal
6.6.
Pruebas en ListaDeVariablesTest
Las 21 pruebas individuales realizadas a ListaDeVariablesTest se pueden

Figura 6.9: Pruebas en ListaDeVariablesTest

un metodo constructor que realiza:
Crea un objeto de tipo ListaDeVariables.
Crea dos objetos de tipo NeuronaDeEntrada y los adiciona a la lista.
Dichas neuronas tiene como nombre N.Entrada 1 y N.Entrada 2
respectivamente.
6.6. PRUEBAS EN LISTADEVARIABLESTEST
333
Crea dos objetos de tipo NeuronaDeRetardo y los adiciona a la lista.

Dichas neuronas tiene como nombre N.Retardo 1 y N.Retardo 2
respectivamente.
Crea dos objetos de tipo NeuronaDeProceso y los adiciona a la lista.
Dichas neuronas tiene como nombre N.Proceso 1 y N.Proceso 2
respectivamente.
Crea dos objetos de tipo BackpropagationDePrueba y los adiciona a
la lista.
Crea dos objetos de tipo MonitorDeNeuronaDeEntradaParaPruebas
y los adiciona a la lista.
Crea dos objetos de tipo MonitorDeNeuronaDeRetardoParaPruebas
Crea dos objetos de tipo MonitorDeNeuronaDeProcesoParaPruebas
1. Prueba buscarVariable
El objetivo de esta prueba (Ver Cuadro 6.59) es buscar una variable
inexistente.
PROCEDIMIENTO
RESULTADO ESPERADO
Se le piede a la lista creada en el constructor

buscarVariable, especificando el nombre
Variable inexistente y se compara
el resultado objenido con null.
Un Object que
contiene null
Tabla 6.59: buscarVariable

2. Prueba adicionarVariable1
El objetivo de esta prueba (Ver Cuadro 6.60) es para verificar la adicion
de una neurona de entrada.
CAPITULO 6. PRUEBAS
334
PROCEDIMIENTO
RESULTADO ESPERADO

N.Entrada 1 y se obtiene
el nombre de la neurona entregada
como resultado.
Un String que
contiene N.Entrada 1
Tabla 6.60: adicionarVariable1

de una neurona de retardo.
PROCEDIMIENTO
RESULTADO ESPERADO

N.Retardo 1 y se obtiene
como resultado.
Un String que
contiene N.Retardo 1

de una neurona de proceso.
PROCEDIMIENTO
RESULTADO ESPERADO

N.Proceso 1 y se obtiene
como resultado.
Un String que
contiene N.Proceso 1
335
de una red neuronal.
PROCEDIMIENTO
RESULTADO ESPERADO
Se le piede a la lista creada en

el constructor buscarVariable,
especificando el nombre R.Neuronal 1
y se obtiene el nombre de la red
neuronal entregada como resultado.
Un String que contiene

Backpropagation de prueba"
(Nombre por defecto)

de un monitor a neurona de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO
Se crea un objeto de tipo

MonitorDeNeuronaDeEntradaParaPruebas
y se adiciona a la lista creada
en el constructor con el nombre
Monitor a neurona de entrada.
Finalmente se le piede al objeto
lista buscarVariable, especificando
el nombre anterior.
Un Object que contiene

una referencia al monitor
adicionado.

de un monitor a neurona de retardo.
de un monitor a neurona de proceso.
CAPITULO 6. PRUEBAS
336
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeRetardoParaPruebas
Monitor a neurona de retardo.
el nombre anterior.

adicionado.
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeProcesoParaPruebas
Monitor a neurona de proceso.
el nombre anterior.

adicionado.
337
9. Prueba obtenerListadoDeVariablesANeuronasDeEntrada
El objetivo de esta prueba (Ver Cuadro 6.67) es obtener una lista de
las variables a neuronas de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerListadoDeVariables
ANeuronasDeEntrada
Un TreeSet<String> que
contiene N.Entrada 1 y
N.Entrada 1.
Tabla 6.67: obtenerListadoDeVariablesANeuronasDeEntrada

10. Prueba obtenerListadoDeVariablesANeuronasDeRetardo
las variables a neuronas de retardo.
PROCEDIMIENTO
RESULTADO ESPERADO

ANeuronasDeRetardo
contiene N.Retardo 1 y
N.Retardo 1.
Tabla 6.68: obtenerListadoDeVariablesANeuronasDeRetardo

11. Prueba obtenerListadoDeVariablesANeuronasDeProceso
las variables a neuronas de proceso.
PROCEDIMIENTO
RESULTADO ESPERADO

ANeuronasDeProceso
contiene N.Proceso 1 y
N.Proceso 1.
Tabla 6.69: obtenerListadoDeVariablesANeuronasDeProceso

12. Prueba obtenerListadoDeVariablesANeuronas
las variables a neuronas.
CAPITULO 6. PRUEBAS
338
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerListadoDeVariablesANeuronas
contiene N.Entrada 1,
N.Entrada 1, N.Retardo 1,
N.Retardo 2, N.Proceso 1 y
N.Proceso 2.
Tabla 6.70: obtenerListadoDeVariablesANeuronas

13. Prueba obtenerListadoDeVariablesAMonitoresDeNeuronasDeEntrada
las variables a monitores de neuronas de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO

AMonitoresDeNeuronasDeEntrada
contiene Monitor N.Entrada 1 y
Monitor N.Entrada 2.
Tabla 6.71: obtenerListadoDeVariablesAMonitoresDeNeuronasDeEntrada

14. Prueba obtenerListadoDeVariablesAMonitoresDeNeuronasDeRetardo
las variables a monitores de neuronas de retardo.
PROCEDIMIENTO
RESULTADO ESPERADO

AMonitoresDeNeuronasDeRetardo
contiene Monitor N.Retardo 1 y
Monitor N.Retardo 2.
Tabla 6.72: obtenerListadoDeVariablesAMonitoresDeNeuronasDeRetardo

15. Prueba obtenerListadoDeVariablesAMonitoresDeNeuronasDeProceso
las variables a monitores de neuronas de proceso.
339
PROCEDIMIENTO
RESULTADO ESPERADO

AMonitoresDeNeuronasDeProceso
contiene Monitor N.Proceso 1 y
Monitor N.Proceso 2.
Tabla 6.73: obtenerListadoDeVariablesAMonitoresDeNeuronasDeProceso

16. Prueba obtenerListadoDeVariablesARedesNeuronales
las variables a redes neuronales.
PROCEDIMIENTO
RESULTADO ESPERADO

ARedesNeuronales
contiene R.Neuronal 1 y
R.Neuronal 1.
Tabla 6.74: obtenerListadoDeVariablesARedesNeuronales

17. Prueba obtenerListadoDeVariablesANeuronasDeProcesoConEnlaces1
las variables a neuronas de proceso con enlaces (No hay ninguna).
PROCEDIMIENTO
RESULTADO ESPERADO

ANeuronasDeProcesoConEnlaces
y se determina la cantidad de variables.
Un int que
contiene 0.
(por defecto ninguna
se encuentra con enlaces)
Tabla 6.75: obtenerListadoDeVariablesANeuronasDeProcesoConEnlaces1

18. Prueba obtenerListadoDeVariablesANeuronasDeProcesoConEnlaces2
las variables a neuronas de proceso con enlaces (Hay una).
CAPITULO 6. PRUEBAS
340
PROCEDIMIENTO
RESULTADO ESPERADO

buscarVariable con el nombre
N.Proceso 2, luego se le pide
a la neurona encontrar enlazarNeurona
a ella misma en la entrada 1 y finalmente
se le piede a la lista
ANeuronasDeProcesoConEnlaces.
contiene N.Proceso 2
Tabla 6.76: obtenerListadoDeVariablesANeuronasDeProcesoConEnlaces2

19. Prueba determinarExistenciaDeNeuronasEnlazadas1
El objetivo de esta prueba (Ver Cuadro 6.77) es determinar si existen
variables a neuronas de proceso con enlaces (No hay ninguna).
PROCEDIMIENTO
RESULTADO ESPERADO

determinarExistenciaDeNeuronasEnlazadas.
Un boolean que
contiene false.
(por defecto ninguna
se encuentra con enlaces)
Tabla 6.77: determinarExistenciaDeNeuronasEnlazadas1

variables a neuronas de proceso con enlaces (Hay una).
variables a neuronas de proceso con enlaces (No hay ninguna -primero
se crea un enlace y luego de retira-).
341
PROCEDIMIENTO
RESULTADO ESPERADO

a ella misma en la entrada 1 y finalmente
se le piede a la lista
Un boolean que
contiene true.
PROCEDIMIENTO
RESULTADO ESPERADO

a ella misma en la entrada 1, luego se le pide
que desenlazarNeurona de la entrada 1 y
finalmente se le piede a la lista
Un boolean que
contiene false.
CAPITULO 6. PRUEBAS
342
6.7.
Pruebas en FuncionEscalonBipolarTest
Las 4 pruebas individuales realizadas a FuncionEscalonBipolarTest

Figura 6.10: Pruebas en FuncionEscalonBipolarTest

un metodo setUp y otro tearDown que se ejecutan antes y despues de cada prueba respectivamente. El objetivo de estos metodos es: instanciar un
objeto de FuncionEscalonBipolar y eliminar la referencia hacia el.
1. Prueba obtenerValor1
El objetivo de esta prueba (Ver Cuadro 6.80) es evaluar el valor 0.0.
PROCEDIMIENTO
RESULTADO ESPERADO
Se le pide al objeto instanciado inicialmente

obtenerValor con el valor de 0.0
Un double que
contiene 1.0.
Tabla 6.80: obtenerValor1

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 1.0.

El objetivo de esta prueba (Ver Cuadro 6.82) es evaluar el valor -5.0.
4. Prueba obtenerNombre
El objetivo de esta prueba (Ver Cuadro 6.83) es obtener el nombre de
la funcion.
6.8. PRUEBAS EN FUNCIONESCALONUNIPOLARTEST
343
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValor con el valor de -5.0
Un double que
contiene -1.0.

PROCEDIMIENTO
RESULTADO ESPERADO
Se le pide al objeto instanciado

inicialmente getNombre.

Funci
on escalon bipolar.
Tabla 6.83: obtenerNombre
6.8.
Pruebas en FuncionEscalonUnipolarTest
Las 4 pruebas individuales realizadas a FuncionEscalonUnipolarTest

Figura 6.11: Pruebas en FuncionEscalonUnipolarTest

objeto de FuncionEscalonUnipolar y eliminar la referencia hacia el.
PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 1.0.
CAPITULO 6. PRUEBAS
344

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 1.0.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.0.

la funcion.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on escalon unipolar.
6.9.
Pruebas en FuncionIdentidadTest
Las 4 pruebas individuales realizadas a FuncionIdentidadTest se pueden

objeto de FuncionIdentidad y eliminar la referencia hacia el.
6.9. PRUEBAS EN FUNCIONIDENTIDADTEST
345
Figura 6.12: Pruebas en FuncionIdentidadTest

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.0.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 5.0.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene -5.0.

la funcion.
CAPITULO 6. PRUEBAS
346
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on identidad.
6.10.
Pruebas en FuncionLinealMixtaBipolarTest
Las 4 pruebas individuales realizadas a FuncionLinealMixtaBipolarTest

Figura 6.13: Pruebas en FuncionLinealMixtaBipolarTest

objeto de FuncionLinealMixtaBipolar y eliminar la referencia hacia el.
PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.0.

la funcion.
6.11. PRUEBAS EN FUNCIONLINEALMIXTAUNIPOLARTEST
347
PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 1.0.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene -1.0.

PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on lineal mixta bipolar.
6.11.
Pruebas en FuncionLinealMixtaUnipolarTest
Las 4 pruebas individuales realizadas a FuncionLinealMixtaUnipolarTest

Figura 6.14: Pruebas en FuncionLinealMixtaUnipolarTest

objeto de FuncionLinealMixtaUnipolar y eliminar la referencia hacia el.
CAPITULO 6. PRUEBAS
348
PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.5.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 1.0.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.0.

la funcion.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on lineal mixta unipolar.
6.12.
Pruebas en FuncionSigmoidalBipolarTest
Las 4 pruebas individuales realizadas a FuncionSigmoidalBipolarTest

6.12. PRUEBAS EN FUNCIONSIGMOIDALBIPOLARTEST
349
Figura 6.15: Pruebas en FuncionSigmoidalBipolarTest

objeto de FuncionSigmoidalBipolar y eliminar la referencia hacia el.
PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.0.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.999.

CAPITULO 6. PRUEBAS
350
PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene -0.999.

El objetivo de esta prueba (Ver Cuadro 6.103) es obtener el nombre
de la funcion.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on sigmoidal bipolar.
6.13.
Pruebas en FuncionSigmoidalUnipolarTest
Las 4 pruebas individuales realizadas a FuncionSigmoidalUnipolarTest

Figura 6.16: Pruebas en FuncionSigmoidalUnipolarTest

objeto de FuncionSigmoidalUnipolar y eliminar la referencia hacia el.
6.14. PRUEBAS EN FUNCIONBASELINEALTEST
351
PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.5.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.993.

PROCEDIMIENTO
RESULTADO ESPERADO

Un double que
contiene 0.006.

de la funcion.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on sigmoidal unipolar.
6.14.
Pruebas en FuncionBaseLinealTest
Las 4 pruebas individuales realizadas a FuncionBaseLinealTest se

pueden observar en la Figura 6.17.
CAPITULO 6. PRUEBAS
352
Figura 6.17: Pruebas en FuncionBaseLinealTest

objeto de FuncionBaseLineal y eliminar la referencia hacia el.
El objetivo de esta prueba (Ver Cuadro 6.108) es evaluar las entrada
= 1.0, 2.0, 3.0, 4.0, 5.0 y los pesos = 6.0, 7.0, 8.0, 9.0, 10.0 .
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValor con:
las entradas { 1.0, 2.0, 3.0, 4.0, 5.0 }
y los pesos { 6.0, 7.0, 8.0, 9.0, 10.0 }
Un double que
contiene 130.0.

= 1.0, 2.0, 3.0, 4.0, 5.0 y los pesos = 6.0, 7.0, 8.0, 9.0 (FALTANDO
UN PESO).
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValor con:
las entradas { 1.0, 2.0, 3.0, 4.0, 5.0 }
y los pesos { 6.0, 7.0, 8.0, 9.0 }
Una excepcion con el mensaje:

Error, el n
umero de
entradas no coincide con
el n
umero de pesos
6.15. PRUEBAS EN FUNCIONBASERADICALTEST
353
= 1.0, 2.0, 3.0, 4.0 y los pesos = 6.0, 7.0, 8.0, 9.0, 10.0 (FALTANDO
UNA ENTRADA).
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValor con:
las entradas { 1.0, 2.0, 3.0, 4.0 }
y los pesos { 6.0, 7.0, 8.0, 9.0, 10.0 }

Error, el n
umero de
el n
umero de pesos

de la funcion.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on base lineal.
6.15.
Pruebas en FuncionBaseRadicalTest
Las 4 pruebas individuales realizadas a FuncionBaseRadicalTest se

Figura 6.18: Pruebas en FuncionBaseRadicalTest

objeto de FuncionBaseRadical y eliminar la referencia hacia el.
CAPITULO 6. PRUEBAS
354

= 1.0, 2.0, 3.0, 4.0, 5.0 y los pesos = 6.0, 7.0, 8.0, 9.0, 10.0 .
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValor con:
las entradas { 1.0, 2.0, 3.0, 4.0, 5.0 }
y los pesos { 6.0, 7.0, 8.0, 9.0, 10.0 }
Un double que
contiene 11.180.

= 1.0, 2.0, 3.0, 4.0, 5.0 y los pesos = 6.0, 7.0, 8.0, 9.0 (FALTANDO
UN PESO).
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValor con:
las entradas { 1.0, 2.0, 3.0, 4.0, 5.0 }
y los pesos { 6.0, 7.0, 8.0, 9.0 }

Error, el n
umero de
el n
umero de pesos

= 1.0, 2.0, 3.0, 4.0 y los pesos = 6.0, 7.0, 8.0, 9.0, 10.0 (FALTANDO
UNA ENTRADA).
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValor con:
las entradas { 1.0, 2.0, 3.0, 4.0 }
y los pesos { 6.0, 7.0, 8.0, 9.0, 10.0 }

Error, el n
umero de
el n
umero de pesos
6.16. PRUEBAS EN FUNCIONDEACTIVACIONTEST
355
de la funcion.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on base radical.
6.16.
Pruebas en FuncionDeActivacionTest
Las 14 pruebas individuales realizadas a FuncionDeActivacionTest se

Figura 6.19: Pruebas en FuncionDeActivacionTest
1. Prueba obtenerValorFuncionEscalonBipolar
El objetivo de esta prueba (Ver Cuadro 6.116) es evaluar el valor 3.0
con la funcion escalon bipolar.
2. Prueba obtenerNombreFuncionEscalonBipolar
de la funcion escalon bipolar.
CAPITULO 6. PRUEBAS
356
PROCEDIMIENTO
RESULTADO ESPERADO
Se instancia un objeto de tipo

FuncionEscalonBipolar como una
FuncionDeActivacion y se le pide
que evalue 3.0
Un double que contiene

1.0.
Tabla 6.116: obtenerValorFuncionEscalonBipolar
PROCEDIMIENTO
RESULTADO ESPERADO

que evalue getNombre

Funci
on escalon bipolar.
Tabla 6.117: obtenerNombreFuncionEscalonBipolar
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionEscalonUnipolar como una
que evalue 3.0

1.0.
Tabla 6.118: obtenerValorFuncionEscalonUnipolar
357
3. Prueba obtenerValorFuncionEscalonUnipolar
con la funcion escalon unipolar.
4. Prueba obtenerNombreFuncionEscalonUnipolar
de la funcion escalon unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.119: obtenerNombreFuncionEscalonUnipolar

5. Prueba obtenerValorFuncionIdentidad
con la funcion identidad.
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionIdentidad como una
que evalue 3.0

3.0.
Tabla 6.120: obtenerValorFuncionIdentidad

6. Prueba obtenerNombreFuncionIdentidad
de la funcion identidad.
7. Prueba obtenerValorFuncionLinealMixtaBipolar
con la funcion lineal mixta bipolar.
8. Prueba obtenerNombreFuncionLinealMixtaBipolar
de la funcion lineal mixta bipolar.
CAPITULO 6. PRUEBAS
358
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on identidad.
Tabla 6.121: obtenerNombreFuncionIdentidad
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionLinealMixtaBipolar como una
que evalue 3.0

1.0.
Tabla 6.122: obtenerValorFuncionLinealMixtaBipolar
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.123: obtenerNombreFuncionLinealMixtaBipolar
359
9. Prueba obtenerValorFuncionLinealMixtaUnipolar
con la funcion lineal mixta unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionLinealMixtaUnipolar como una
que evalue 3.0

1.0.
Tabla 6.124: obtenerValorFuncionLinealMixtaUnipolar

10. Prueba obtenerNombreFuncionLinealMixtaUnipolar
de la funcion lineal mixta unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.125: obtenerNombreFuncionLinealMixtaUnipolar

11. Prueba obtenerValorFuncionSigmoidalBipolar
con la funcion sigmoidal bipolar.
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionSigmoidalBipolar como una
que evalue 3.0

0.9950.
Tabla 6.126: obtenerValorFuncionSigmoidalBipolar
CAPITULO 6. PRUEBAS
360
12. Prueba obtenerNombreFuncionSigmoidalBipolar

de la funcion sigmoidal bipolar.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.127: obtenerNombreFuncionSigmoidalBipolar

13. Prueba obtenerValorFuncionSigmoidalUnipolar
con la funcion sigmoidal unipolar. obtenerValorFuncionSigmoidalUnipolar
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionSigmoidalUnipolar como una
que evalue 3.0

0.9525.
Tabla 6.128: obtenerValorFuncionSigmoidalUnipolar

14. Prueba obtenerNombreFuncionSigmoidalUnipolar
de la funcion sigmoidal unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.129: obtenerNombreFuncionSigmoidalUnipolar
6.17. PRUEBAS EN FUNCIONDETRANSFERENCIATEST
6.17.
361
Pruebas en FuncionDeTransferenciaTest
Las 14 pruebas individuales realizadas a FuncionDeTransferenciaTest

Figura 6.20: Pruebas en FuncionDeTransferenciaTest

1. Prueba obtenerValorFuncionEscalonBipolar
con la funcion escalon bipolar.
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionDeTransferencia y se le pide
que evalue 3.0

1.0.
Tabla 6.130: obtenerValorFuncionEscalonBipolar

2. Prueba obtenerNombreFuncionEscalonBipolar
de la funcion escalon bipolar.
CAPITULO 6. PRUEBAS
362
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on escalon bipolar.
Tabla 6.131: obtenerNombreFuncionEscalonBipolar

3. Prueba obtenerValorFuncionEscalonUnipolar
con la funcion escalon unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO

que evalue 3.0

1.0.
Tabla 6.132: obtenerValorFuncionEscalonUnipolar

4. Prueba obtenerNombreFuncionEscalonUnipolar
de la funcion escalon unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.133: obtenerNombreFuncionEscalonUnipolar

5. Prueba obtenerValorFuncionIdentidad
con la funcion identidad.

PROCEDIMIENTO
RESULTADO ESPERADO

que evalue 3.0

3.0.
363
Tabla 6.134: obtenerValorFuncionIdentidad

6. Prueba obtenerNombreFuncionIdentidad
de la funcion identidad.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
on identidad.
Tabla 6.135: obtenerNombreFuncionIdentidad

7. Prueba obtenerValorFuncionLinealMixtaBipolar
con la funcion lineal mixta bipolar.
PROCEDIMIENTO
RESULTADO ESPERADO

que evalue 3.0

1.0.
Tabla 6.136: obtenerValorFuncionLinealMixtaBipolar

8. Prueba obtenerNombreFuncionLinealMixtaBipolar
de la funcion lineal mixta bipolar.
CAPITULO 6. PRUEBAS
364
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.137: obtenerNombreFuncionLinealMixtaBipolar

9. Prueba obtenerValorFuncionLinealMixtaUnipolar
con la funcion lineal mixta unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO

que evalue 3.0

1.0.
Tabla 6.138: obtenerValorFuncionLinealMixtaUnipolar

10. Prueba obtenerNombreFuncionLinealMixtaUnipolar
de la funcion lineal mixta unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.139: obtenerNombreFuncionLinealMixtaUnipolar

11. Prueba obtenerValorFuncionSigmoidalBipolar
con la funcion sigmoidal bipolar.

PROCEDIMIENTO
RESULTADO ESPERADO

que evalue 3.0

0.9950.
365
Tabla 6.140: obtenerValorFuncionSigmoidalBipolar

12. Prueba obtenerNombreFuncionSigmoidalBipolar
de la funcion sigmoidal bipolar.
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.141: obtenerNombreFuncionSigmoidalBipolar

13. Prueba obtenerValorFuncionSigmoidalUnipolar
con la funcion sigmoidal unipolar.
PROCEDIMIENTO
RESULTADO ESPERADO

que evalue 3.0

0.9525.
Tabla 6.142: obtenerValorFuncionSigmoidalUnipolar

14. Prueba obtenerNombreFuncionSigmoidalUnipolar
de la funcion sigmoidal unipolar.
CAPITULO 6. PRUEBAS
366
PROCEDIMIENTO
RESULTADO ESPERADO


Funci
Tabla 6.143: obtenerNombreFuncionSigmoidalUnipolar
6.18.
Pruebas en NeuronaDeEntradaTest
Las 6 pruebas individuales realizadas a NeuronaDeEntradaTest se pueden

Figura 6.21: Pruebas en NeuronaDeEntradaTest

objeto de NeuronaDeEntrada con el nombre de Neurona de Entrada 1
y eliminar la referencia hacia el.
1. Prueba obtenerNombreDeLaNeurona
de la neurona.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerNombre.
Un String que
contiene Neurona de Entrada 1.
Tabla 6.144: obtenerNombreDeLaNeurona
6.18. PRUEBAS EN NEURONADEENTRADATEST
367
2. Prueba asignarMonitor
El objetivo de esta prueba (Ver Cuadro 6.145) es asignar un monitor.
Para realizar la prueba, es necesario asignar un monitor y realizar un
cambio en la neurona de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeEntradaParaPruebas,
se le pide al objeto instanciado inicialmente
asignarMonitor a dicho monitor,
luego se le pide asignarValorDeSalida el
valor de 5.0, finalmente se le pide al
monitor asignado obtenerNuevoValorDeSalida
Un double que
contiene 5.0.
Tabla 6.145: asignarMonitor

3. Prueba desasignarMonitor
El objetivo de esta prueba (Ver Cuadro 6.146) es desasignar un monitor. Para realizar la prueba, es necesario asignar un monitor, desasignarlo y realizar un cambio en la neurona de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeEntradaParaPruebas,
asignarMonitor a dicho monitor y luego
desasignarMonitor, luego se le pide tambien
asignarValorDeSalida el valor de 8.0
y finalmente se le pide al monitor asignado
obtenerNuevoValorDeSalida
Un double que
contiene 0.0.
(valor por defecto
de un monitor)
Tabla 6.146: desasignarMonitor

4. Prueba obtenerValorDeSalida
El objetivo de esta prueba (Ver Cuadro 6.147) es obtener el valor de
salida por defecto.
CAPITULO 6. PRUEBAS
368
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValorDeSalida.
Un double que
contiene 0.0.
Tabla 6.147: obtenerValorDeSalida

5. Prueba asignarValorDeSalida
salida despues de hacer un cambio.
PROCEDIMIENTO
RESULTADO ESPERADO

asignarValorDeSalida el valor 7.0
y luego se le pide obtenerValorDeSalida
Un double que
contiene 7.0.
Tabla 6.148: asignarValorDeSalida

6. Prueba obtenerConQuienSeRelaciona
El objetivo de esta prueba (Ver Cuadro 6.149) es obtener con quien se
relaciona la neurona.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerConQuienSeRelaciona.
Un String que
contiene .
Tabla 6.149: obtenerConQuienSeRelaciona
6.19.
Pruebas en NeuronaDeProcesoTest
Las 32 pruebas individuales realizadas a NeuronaDeProcesoTest se pueden

un metodo setUp y otro tearDown que se ejecutan antes y despues de cada
prueba respectivamente. El objetivo de estos metodos es: instanciar un objeto de NeuronaDeProceso con el nombre de N de Proceso 1 y 3 entradas.
El metodo tearDown va a eliminar la referencia hacia el.
6.19. PRUEBAS EN NEURONADEPROCESOTEST
Figura 6.22: Pruebas en NeuronaDeProcesoTest
369
CAPITULO 6. PRUEBAS
370

de la neurona.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerNombre.

N de Proceso 1.

2. Prueba cambiarUmbralDeActivacion
El objetivo de esta prueba (Ver Cuadro 6.151) es cambiar el umbral
de activacion, es necesario usar el metodo para obtener el umbral de
activacion.
PROCEDIMIENTO
RESULTADO ESPERADO

cambiarUmbralDeActivacion por el valor
8.0 y luego se le pide
obtenerUmbralDeActivacion
Un double que
contiene 8.0.
Tabla 6.151: cambiarUmbralDeActivacion

3. Prueba obtenerUmbralDeActivacion
El objetivo de esta prueba (Ver Cuadro 6.152) es obtener el umbral
de activacion, es necesario utilizar el metodo cambiar umbral de activacion porque dicho valor inicia en un valor aleatorio.
PROCEDIMIENTO
RESULTADO ESPERADO

cambiarUmbralDeActivacion por el valor
5.0 y luego se le pide
obtenerUmbralDeActivacion
Un double que
contiene 5.0.
Tabla 6.152: obtenerUmbralDeActivacion
371
4. Prueba obtenerNumeroDeEntradas
El objetivo de esta prueba (Ver Cuadro 6.153) es obtener el n
umero
de entradas. Hay que tener presente que se retorna una mas de las
creadas en el momento de la instanciacion, pues la entrada del umbral
(interna) tambien cuenta como tal.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerNumeroDeEntradas.
Un int que contiene 4

(3 entradas + 1 umbral).
Tabla 6.153: obtenerNumeroDeEntradas

cambio en la neurona de proceso.
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeProcesoParaPruebas,
valor de 5.0, finalmente se le pide al monitor
asignado obtenerNuevoValorDeSalida
Un double que
contiene 5.0.

El objetivo de esta prueba (Ver Cuadro 6.155) es desasignar un monitor. Para realizar la prueba, es necesario asignar un monitor, desasignarlo, y realizar un cambio en la neurona de proceso.
7. Prueba obtenerFuncionBase
El objetivo de esta prueba (Ver Cuadro 6.156) es obtener la funcion
base.
CAPITULO 6. PRUEBAS
372
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeProcesoParaPruebas,
Un double que
contiene 0.0.
(valor por defecto
de un monitor)

PROCEDIMIENTO
RESULTADO ESPERADO

obtenerFuncionBase.

Funci
on base lineal.
Tabla 6.156: obtenerFuncionBase

8. Prueba obtenerFuncionDeActivacion
de activacion.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerFuncionDeActivacion.

Funci
on identidad.
Tabla 6.157: obtenerFuncionDeActivacion

9. Prueba obtenerFuncionDeTransferencia
de transferencia.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerFuncionDeTransferencia.

Funci
on identidad.
Tabla 6.158: obtenerFuncionDeTransferencia
373
10. Prueba cambiarPesoEnlaceDeLaEntrada

El objetivo de esta prueba (Ver Cuadro 6.159) es cambiar el peso de
una entrada, es necesario utilizar el metodo obtener el peso de una
entrada para verificar el cambio.
PROCEDIMIENTO
RESULTADO ESPERADO

cambiarPesoEnlaceDeLaEntrada por el valor
8.0 en la entrada 2 y luego se le pide
obtenerPesoEnlaceDeLaEntrada
de dicha entrada
Un double que
contiene 8.0.
Tabla 6.159: cambiarPesoEnlaceDeLaEntrada

11. Prueba obtenerPesoEnlaceDeLaEntrada
El objetivo de esta prueba (Ver Cuadro 6.160) es obtener el peso de una
entrada, es necesario utilizar el metodo cambiar peso de una entrada
debido a que los pesos se inicializan aleatoriamente.
PROCEDIMIENTO
RESULTADO ESPERADO

cambiarPesoEnlaceDeLaEntrada por el valor
4.0 en la entrada 2 y luego se le pide
obtenerPesoEnlaceDeLaEntrada
de dicha entrada
Un double que
contiene 4.0.
Tabla 6.160: obtenerPesoEnlaceDeLaEntrada

12. Prueba cambiarFuncionBase1
El objetivo de esta prueba (Ver Cuadro 6.161) es cambiar la funcion
base, usando el operador new.
13. Prueba cambiarFuncionBase2
base, usando Class.forName ("").newInstance().
14. Prueba cambiarFuncionDeActivacion1
de activacion, usando el operador new.
CAPITULO 6. PRUEBAS
374
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionBaseRadical como una
FuncionBase, luego se le pide
al objeto instanciado inicialmente
cambiarFuncionBase por esta nueva
funcion. Finalmente se le pide al objeto
inicial obtenerFuncionBase
Un String que
contiene Funci
on base radical.
Tabla 6.161: cambiarFuncionBase1
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionBaseRadical como una
FuncionBase, luego se le pide
cambiarFuncionBase por esta nueva
funcion. Finalmente se le pide al objeto
inicial obtenerFuncionBase
Un String que
contiene Funci
on base radical.
Tabla 6.162: cambiarFuncionBase2
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionDeActivacion, luego se le pide
cambiarFuncionDeActivacion por esta
nueva funcion. Finalmente se le pide al objeto
inicial obtenerFuncionDeActivacion

Funci
on escalon bipolar.
Tabla 6.163: cambiarFuncionDeActivacion1
375
15. Prueba cambiarFuncionDeActivacion2

de activacion, usando Class.forName ("").newInstance().
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionDeActivacion, luego se le pide
cambiarFuncionDeActivacion por esta
inicial obtenerFuncionDeActivacion

Funci
on lineal .
mixta bipolar
Tabla 6.164: cambiarFuncionDeActivacion2

16. Prueba cambiarFuncionDeTransferencia1
de transferencia, usando el operador new.
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionDeTransferencia, luego se le pide
cambiarFuncionDeTransferencia por esta
inicial obtenerFuncionDeTransferencia

Funci
on sigmoidal
unipolar.
Tabla 6.165: cambiarFuncionDeTransferencia1

17. Prueba cambiarFuncionDeTransferencia2
de transferencia, usando Class.forName ("").newInstance().
18. Prueba obtenerEstadoDelEnlaceDeLaEntrada
El objetivo de esta prueba (Ver Cuadro 6.167) es obtener el estado de
un enlace de una entrada.
CAPITULO 6. PRUEBAS
376
PROCEDIMIENTO
RESULTADO ESPERADO

FuncionDeTransferencia, luego se le pide
cambiarFuncionDeTransferencia por esta
inicial obtenerFuncionDeTransferencia

Funci
on sigmoidal
bipolar.
Tabla 6.166: cambiarFuncionDeTransferencia2

PROCEDIMIENTO
RESULTADO ESPERADO

obtenerEstadoDelEnlaceDeLaEntrada
de la entrada 2.

<Libre>.
Tabla 6.167: obtenerEstadoDelEnlaceDeLaEntrada

19. Prueba enlazarNeurona
El objetivo de esta prueba (Ver Cuadro 6.168) es enlazar una neurona
(neurona de entrada).
PROCEDIMIENTO
RESULTADO ESPERADO

NeuronaDeEntrada, luego se le pide
enlazarNeurona a la neurona instanciada
en la entrada 1 y finalmente se le pide
obtenerEstadoDelEnlaceDeLaEntrada 1.

<Conectado>.
Tabla 6.168: enlazarNeurona

20. Prueba desenlazarNeurona
El objetivo de esta prueba (Ver Cuadro 6.169) es desenlazar una neurona previamente enlazada.

PROCEDIMIENTO
377
RESULTADO ESPERADO

NeuronaDeEntrada, luego se le pide
en la entrada 1, posteriormente se le pide
desenlazarNeurona y finalmente se ordena
obtenerEstadoDelEnlaceDeLaEntrada 1.

<Libre>.
Tabla 6.169: desenlazarNeurona

21. Prueba obtenerConQuienSeRelaciona1
El objetivo de esta prueba (Ver Cuadro 6.170) es obtener las relaciones
de una neurona de proceso sin conexion alguna a otras neuronas (Ver
Figura 6.23).
Figura 6.23: Prueba obtenerConQuienSeRelaciona1

PROCEDIMIENTO
RESULTADO ESPERADO

"N de Proceso 1"(1)-> <Libre>

Tabla 6.170: obtenerConQuienSeRelaciona1

de una neurona de proceso con conexion a una neurona de entrada (Ver
Figura 6.24).
CAPITULO 6. PRUEBAS
378

PROCEDIMIENTO
RESULTADO ESPERADO

NeuronaDeEntrada como una Neurona
y se le asigna el nombre de NE1,
luego se le pide al objeto instanciado
enlazarNeurona a la nueva neurona

"N de Proceso 1"(2)-> "NE1"

de una neurona de proceso con conexion a una neurona de retardo (Ver
Figura 6.25).
379
PROCEDIMIENTO
RESULTADO ESPERADO

NeuronaDeRetardo como una Neurona
y se le asigna el nombre de NR1,
luego se le pide al objeto instanciado
enlazarNeurona a la nueva neurona

"N de Proceso 1"(2)-> "NR1"<Libre>

de una neurona de proceso con conexion a una neurona de proceso (Ver
Figura 6.26).

PROCEDIMIENTO
RESULTADO ESPERADO

NeuronaDeProceso como una Neurona
(2 entradas) y se le asigna el nombre de
NP1, luego se le pide al objeto
instanciado enlazarNeurona a la nueva
neurona en la entrada 2 y finalmente se
le pide obtenerConQuienSeRelaciona.

"N de Proceso 1"(2)-> "NP1"
"NP1"(1)-> <Libre>
"NP1"(2)-> <Libre>

CAPITULO 6. PRUEBAS
380
de una neurona de proceso con conexion a dos neurona de proceso (Ver

Figura 6.27).

PROCEDIMIENTO
RESULTADO ESPERADO
Se instancian dos objetos de tipo

(2 entradas) y se les asignan los nombres
de NP1 y NP2, luego se le pide al objeto
instanciado inicialmente enlazarNeurona
NP1 en la entrada 2 y se le piede a esta
neurona enlazarNeurona a NP2 en su
entrada 1; y finalmente se le pide
obtenerConQuienSeRelaciona al objeto
inicial.

"NP1"(1)-> "NP2"
"NP2"(1)-> <Libre>
"NP2"(2)-> <Libre>
"NP1"(2)-> <Libre>

de una neurona de proceso con conexion a tres neurona de proceso y
creando una retroalimentaci
on (Ver Figura 6.28).
381
PROCEDIMIENTO
RESULTADO ESPERADO
Se instancian tres objetos de tipo

de NP1, NP2 y NP3,
luego se crea la topologa de la Figura 6.28
usando enlazarNeurona en las
neuronas apropiadas, y finalmente se le pide
obtenerConQuienSeRelaciona al objeto inicial.

"NP1"(1)-> "NP2"
"NP2"(1)-> <Libre>
"NP2"(2)-> "NP3"
"NP3"(1)-> "NP2"[...]
"NP3"(2)-> <Libre>
"NP1"(2)-> <Libre>

27. Prueba obtenerPotencialDeActivacion1
El objetivo de esta prueba (Ver Cuadro 6.176) es obtener el potencial de activacion de una neurona de proceso sin conexion con otras
neuronas.
PROCEDIMIENTO
RESULTADO ESPERADO

cambiarUmbralDeActivacion, por el valor 4.0
y luego se le pide obtenerPotencialDeActivacion.

4.0.
Tabla 6.176: obtenerPotencialDeActivacion1

28. Prueba obtenerPotencialDeActivacion2
El objetivo de esta prueba (Ver Cuadro 6.177) es obtener el potencial de activacion de una neurona de proceso con conexion a otras
neuronas. Estas conexiones crean una retroalimentaci
on inv
alida (Ver
Figura 6.28).
29. Prueba obtenerValorDeActivacion
activacion de una neurona de proceso.
CAPITULO 6. PRUEBAS
382
PROCEDIMIENTO
RESULTADO ESPERADO

de NP1, NP2 y NP3,
usando enlazarNeurona en las
neuronas apropiadas, y finalmente se le pide
obtenerPotencialDeActivacion al objeto inicial.

Error,
retroalimentaci
on inv
alida
entre las neuronas.
Tabla 6.177: obtenerPotencialDeActivacion2

PROCEDIMIENTO
RESULTADO ESPERADO

y luego se le pide obtenerValorDeActivacion.

9.0.
Tabla 6.178: obtenerValorDeActivacion

salida de una neurona de proceso.
PROCEDIMIENTO
RESULTADO ESPERADO

y luego se le pide obtenerValorDeSalida.

3.0.

31. Prueba obtenerNombreNeuronaEnlazada1
una neurona enlazada, pero actualmente la neurona de proceso no
tienen enlazada ninguna neurona.
32. Prueba obtenerNombreNeuronaEnlazada2
El objetivo de esta prueba (Ver Cuadro 6.181) es obtener el nombre una
6.20. PRUEBAS EN NEURONADERETARDOTEST
383
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerNombreNeuronaEnlazada de
la entrada 0

Error, no hay una
neurona enlazada.
Tabla 6.180: obtenerNombreNeuronaEnlazada1

neurona enlazada, actualmente la neurona de proceso tienen enlazada
una neurona de entrada.
PROCEDIMIENTO
RESULTADO ESPERADO
Se instancian un objeto de tipo

NeuronaDeEntrada como una Neurona
y se asigna el nombre de N de entrada 1,
luego se le pide a la neurona creada inicialmente
enlazarNeurona a la nueva neurona en la
entrada 1 y finalmente se le pide a dicha
neurona obtenerNombreNeuronaEnlazada
de la entrada 1

N de entrada 1
Tabla 6.181: obtenerNombreNeuronaEnlazada2
6.20.
Pruebas en NeuronaDeRetardoTest
Las 19 pruebas individuales realizadas a NeuronaDeRetardoTest se pueden

un metodo setUp y otro tearDown que se ejecutan antes y despues de cada
prueba respectivamente. El objetivo de estos metodos es: instanciar un objeto de NeuronaDeRetardo con el nombre de N de Retardo 1. El metodo
tearDown va a eliminar la referencia hacia el.
CAPITULO 6. PRUEBAS
384
Figura 6.29: Pruebas en NeuronaDeRetardoTest

de la neurona.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerNombre.

N de Retardo 1.

cambio en la neurona de retardo.
El objetivo de esta prueba (Ver Cuadro 6.184) es desasignar un monitor. Para realizar la prueba, es necesario asignar un monitor, desasignarlo, y realizar un cambio en la neurona de retardo.
salida por defecto.
385
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeRetardoParaPruebas,
valor de 5.0, finalmente se le pide al monitor
asignado obtenerNuevoValorDeSalida
Un double que
contiene 5.0.
PROCEDIMIENTO
RESULTADO ESPERADO

MonitorDeNeuronaDeRetardoParaPruebas,
Un double que
contiene 0.0.
(valor por defecto
de un monitor)
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValorDeSalida.

0.0.
CAPITULO 6. PRUEBAS
386
5. Prueba obtenerValorFuturo
El objetivo de esta prueba (Ver Cuadro 6.186) es obtener el valor

futuro por defecto.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerValorFuturo.

0.0.
Tabla 6.186: obtenerValorFuturo

6. Prueba obtenerEstadoDelEnlace
El objetivo de esta prueba (Ver Cuadro 6.187) es obtener el estado del
enlace por defecto.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerEstadoDelEnlace.

<Libre>.
Tabla 6.187: obtenerEstadoDelEnlace

7. Prueba obtenerNombreDeLaNeuronaEnlazada
de la neurona.
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerNombreDeLaNeuronaEnlazada.

Error, no hay .
una neurona enlazada
Tabla 6.188: obtenerNombreDeLaNeuronaEnlazada

8. Prueba asignarValorDeSalida
salida despues de hacer un cambio.
9. Prueba asignarValorFuturo
futuro despues de hacer un cambio.
387
PROCEDIMIENTO
RESULTADO ESPERADO

y luego se le pide obtenerValorDeSalida

7.0.
Tabla 6.189: asignarValorDeSalida

PROCEDIMIENTO
RESULTADO ESPERADO

asignarValorFuturo el valor de 8.0
y luego se le pide obtenerValorFuturo

8.0.
Tabla 6.190: asignarValorFuturo

10. Prueba actualizarValorPresente
futuro despues de hacer un cambio.
PROCEDIMIENTO
RESULTADO ESPERADO

asignarValorFuturo el valor de 8.0,
luego se le pide asignarValorDeSalida
el valor de 3.0, posteriormente le pide
actualizarValorPresente y finalmente se le
pide obtenerValorDeSalida.

8.0.
Tabla 6.191: actualizarValorPresente

11. Prueba obtenerSiguienteValorFuturo
El objetivo de esta prueba (Ver Cuadro 6.192) es obtener el siguiente
valor futuro por defecto.
12. Prueba actualizarValorFuturo
El objetivo de esta prueba (Ver Cuadro 6.193) es actualizar el valor
futuro.
CAPITULO 6. PRUEBAS
388
PROCEDIMIENTO
RESULTADO ESPERADO

obtenerSiguienteValorFuturo.

0.0.
Tabla 6.192: obtenerSiguienteValorFuturo

PROCEDIMIENTO
RESULTADO ESPERADO

asignarValorFuturo el valor de 9.0,
luego se le pide actualizarValorFuturo y
finalmente se le pide obtenerValorFuturo

0.0.
Tabla 6.193: actualizarValorFuturo

13. Prueba enlazarNeurona
y verificar el estado de la conexion.
PROCEDIMIENTO
RESULTADO ESPERADO

NeuronaDeRetardo, luego se le pide
y finalmente se le pide
obtenerEstadoDelEnlace.

<Conectado>.
Tabla 6.194: enlazarNeurona

El objetivo de esta prueba (Ver Cuadro 6.195) es obtener con quien se
relaciona la neurona.
PROCEDIMIENTO
RESULTADO ESPERADO


<Libre>.
389

y verificar el nombre de la neurona enlazada.
PROCEDIMIENTO
RESULTADO ESPERADO

NeuronaDeRetardo asignandole el nombre
N de Retardo 2, luego se le pide
obtenerNombreDeLaNeuronaEnlazada.

N de Retardo 2.

y verificar con quien se relaciona.
PROCEDIMIENTO
RESULTADO ESPERADO

N2, luego se le pide

"N2"-> <Libre>.

El objetivo de esta prueba (Ver Cuadro 6.198) es enlazar tres neuronas
y verificar con quien se relaciona (Ver Figura 6.30).
El objetivo de esta prueba (Ver Cuadro 6.199) es enlazar tres neuronas
con retroalimentacion y verificar con quien se relaciona (Ver Figura
6.31).
CAPITULO 6. PRUEBAS
390

PROCEDIMIENTO
RESULTADO ESPERADO

N2, N3 y N4,
usando enlazarNeurona en las neuronas apropiadas
y finalmente se le pide al objeto instanciado inicialmente

"N2"-> "N3"->
"N4"-> <Libre>.

PROCEDIMIENTO
RESULTADO ESPERADO

N2, N3 y N4,
usando enlazarNeurona en las neuronas
apropiadas y finalmente se le pide al objeto
instanciado inicialmente

"N2"-> "N3"->
"N4"-> "N2"-> [...].
391
19. Prueba desenlazarNeurona

El objetivo de esta prueba (Ver Cuadro 6.200) es enlazar/desenlazar
una neurona y verificar el estado de la conexion.
PROCEDIMIENTO
RESULTADO ESPERADO
Se instancian un objeto de tipo

NeuronaDeRetardo, luego se le pide a la
neurona creada inicialmente enlazarNeurona
a la nueva neurona, luego desenlazarNeurona
y finalmente obtenerEstadoDelEnlace

<Libre>
Tabla 6.200: desenlazarNeurona
392
CAPITULO 6. PRUEBAS
Parte II
LABORATORIOS
393
GUIAS DE LABORATORIOS
(ESTUDIANTE)
396
CAPITULO 7. GUIAS DE LABORATORIOS (ESTUDIANTE)
DEL ENTORNO DE TRABAJO

7.1. INSTALACION
397

Facultad de Ingenieras
on
Gua Educativa N
umero: 001
Fecha de Entrega: Ocho das despues de la fecha asignada
Duraci
on Estimada: 60 Minutos
Asignatura: Redes Neuronales / Inteligencia Artificial
Profesor: Julian Esteban Gutierrez Posada
7.1.
Instalaci
on del entorno de trabajo
Objetivos
Instalar el lenguaje de programacion Java 6.0 Update 3.
Instalar la documentacion de Java 6.
Instalar el entorno de programacion Netbeans-6.1.
Configurar en Windows la ruta (path) del compilador de Java.
Instalar el Laboratorio Virtual de Redes Neuronales con su respectivo material de apoyo.
Conceptos B
asicos
Experiencia en el manejo del sistema operativo Windows XP, experiencia en la instalacion de software y el manejo de archivos comprimidos.
Precauciones y Recomendaciones
Antes de iniciar la practica asegurarse de contar con todos los artefactos
del laboratorio que se requieren para desarrollar esta gua. CD difundido
en clase o acceso a un repositorio de archivos en la red de la Universidad
(consultar con el monitor de la sala).
398
Artefactos del Laboratorio

Java 1.6 Update 3 (Java 6.0 Update 3): Tener el archivo de
instalacion del lenguaje de programacion Java 6.0 update 3 en el
equipo de trabajo ya sea en la casa o en el equipo del laboratorio en
el cual desea trabajar.
Documentaci
on Java 1.6: Tener el archivo de la documentaci
on
de Java 6.0 en el equipo de trabajo ya sea en la casa o en el equipo
del laboratorio en el cual desea trabajar.
Entorno de programaci
on Netbeans-6.1: Tener el archivo de instalacion del entorno de programacion Netbeans-6.1 en el equipo de
trabajo ya sea en la casa o en el equipo del laboratorio en el cual desea
trabajar.
Laboratorio virtual de redes neuronales, con su material de
apoyo: Contar con el archivo que contiene el laboratorio virtual
de redes neuronales, con su respectivo material de apoyo en el
equipo de trabajo ya sea en la casa o en el equipo del laboratorio en
el cual desea trabajar.
Gua de laboratorio: Contar con la gua de laboratorio que le indica
que debe hacer y como debe reportar sus resultados.
Entregable:
Se debe entregar un disquete o CD que contenga un archivo Word con
mnimo: los codigos de los dos integrantes, los nombres, la fecha, las preguntas del taller y los respectivos resultados.
El archivo debe llamarse xxxxx_yyyyy_zz_RN.doc, en donde xxxxx y
yyyyy representan los codigos de los dos integrantes del grupo en orden
ascendente, zz representa el n
umero de la gua a cual pertenece el taller y
RN representa el nombre de la asignatura Redes Neuronales.
Se deben entregar ocho das despues de haber recibido la orden de ejecutar la presente gua.
Observaciones:
La entrega debe ser puntual, con todo lo que se solicita, respetando el
nombre del archivo y asegurandose de no tener Virus. La violacion de alguno
de estos elementos provocara una disminuci
on en la nota del laboratorio,
previo acuerdo con docente.

7.1. INSTALACION
399
Procedimiento:
Pasos
1
Descripci
on
Ubique en el CD o en el repositorio de archivos de la red todos
los artefactos.
Ejecutar el instalador de Java
6 Update 3 y deje las opciones
por defecto.
Ejecutar el instalador de la
documentaci
on de Java y deje las opciones por defecto.
Ejecutar el instalador de
Netbeans 6.1 y deje las
opciones por defecto.
Abra el Panel de control
Sistema
Opciones
avanzadas
Variables
de entorno. Luego busque
y
modifique
la
variable
Path
en
las
Variables
de sistema
adicionando:
Comentario
Consultar al monitor sobre el
CD o el repositorio de archivos.
Consultar al monitor sobre
permisos para realizar esta
boratorio.
boratorio.
boratorio.
boratorio.
los
lalos
lalos
lalos
la-
;C:\Archivos de programa\Java\jdk1.6.0_03\bin
Cree una carpeta de trabajo y

copie en ella el contenido de la
carpeta Dist del CD.
Consultar al monitor sobre los

permisos para realizar esta laboratorio.
Tabla 7.1: Procedimiento de instalacion
Taller:
1. Cuales son los nombres de los archivos necesarios para realizar el
montaje del entorno de trabajo? (Java 6.0 Update 3, Documentaci
on
de Java 6.0 y NetBeans)
2. Cual es la ruta en donde queda instalado Java 6.0 update 3 y la
respectiva documentacion?
3. Que contiene la carpeta Dist y explique brevemente cada uno?
4. Consulte en Internet para que se utiliza el archivo nimrodlf.jar.
400
7.2. UNA NEURONA DE ENTRADA
401

on
Gua Educativa N
umero: 002
Duraci
7.2.
Una neurona de entrada
Objetivos
Aprender a crear un nuevo laboratorio.
Aprender a manipular neuronas de entrada.
Aprender a manipular monitores a neuronas de entrada.
Conceptos B
asicos
Experiencia en el manejo del sistema operativo Windows XP.
Antes de iniciar la practica asegurarse haber realizado correctamente la
gua educativa n
umero 001 Instalaci
on del entorno de trabajo.
Entregable:
402
Observaciones:
Procedimiento:
Pasos
1
Descripci
on
Ejecute el laboratorio virtual.
Explore las opciones activadas

por defecto del laboratorio.
Seleccione la opcion Iniciar
laboratorio.
Acepte la advertencia.
3
4
5
Escriba el nombre o nombres de

los autores del laboratorio.
Comentario
Archivo LabVirtualRNA.jar
en la carpeta Dist.
Escriba o tenga pendiente estas
opciones.
Ubiquela en la opcion Archivo.
Importante si no se ha guardado el laboratorio previo.
Si desea use <br> para separarlos.
Tabla 7.2: Crear un nuevo laboratorio

Pasos
1
Descripci
on
Seleccione dos veces la opcion
Crear neurona.
Seleccione la opcion Obtener

nombre y seleccione la variable
b.
valor de salida y seleccione
la variable b.
Seleccione la opcion Asignar
valor de salida y repita el
paso 3.
Comentario
Ubiquela en la opcion Neurona
de Entrada, indique como
nombres de las variables a,
b y como nombres de las
neuronas Ne1, Ne2
de Entrada.
de Entrada.
de Entrada.
Tabla 7.3: Manipulacion de neuronas de entrada

Pasos
1
Descripci
on
Crear monitor.

b.
la variable b.
paso 3.
Asigne los monitores a las neuronas referenciadas por las variables a y b respectivamente.
Realice un cambio en una de las
neuronas de entrada.
Defina un nuevo monitor llamado MonitorDeDisco.
6
7
Asigne el monitor llamado

MonitorDeDisco a ambas
neuronas.
Seleccione la opcion Crear
monitor y seleccione el tipo
usuario.monitor.neurona.entrada.MonitorDe
Disco.
403
Comentario
nombres de las variables
monitor1 y monitor2.
de Entrada.
de Entrada.
de Entrada.
Opcion Asignar monitor
Tome nota de lo sucedido.

El monitor debe registrar
en
un
archivo,
llamado
NEntrada.csv y separado por punto y coma, todos los
datos que se visualizan en la
ventana del monitor.
Realice cambios en ambas neuronas y tome nota de lo sucedido.
de Entrada,
indique
como nombre de la variable
monitorDisco
Tabla 7.4: Manipulacion de monitores a neuronas de entrada
Taller:
1. Cuales son las opciones de los men
us del LabVirtualRNA.jar que se
encuentran activadas por defecto?
404
2. Cual es la advertencia que se muestra cuando se solicita iniciar laboratorio?

3. Cual es el mensaje que se muestra en la zona de reporte de actividades
una vez creado el laboratorio?
encuentran activas despues de iniciar un laboratorio?
una vez creada la primera neurona de entrada?
6. Que sucede cada vez que se selecciona una variable en la ventana
Obtener nombre?
7. Cual es el mensaje que se muestra en la zona de reporte de actividades una vez presionado Aceptar en la ventana Obtener nombre
(variable a)?
Obtener valor de salida?
9. Cual es el mensaje que se muestra en la zona de reporte de actividades una vez presionado Aceptar en la ventana Obtener valor de
salida (variable a)?
10. Que sucede cuando utiliza la opcion Asignar valor de salida y
11. Cual es el nombre del tipo de monitor por defecto para una neurona
de entrada?
una vez creado un monitor a una neurona de entrada (monitor1)?
13. Que sucede si el nombre para las variables no corresponden a un
identificador valido seg
un el estandar de codificacion de Java?
una vez asignado un monitor (monitor2)?
15. Que sucede cuando se realiza un cambio en un neurona que tiene
asignada un monitor por defecto?
16. Se puede asignar mas de un monitor a una neurona de entrada?
405
17. Que sucede cuando hay cambios en las neuronas y ellas estan siendo
monitoreadas por el mismo monitor?
una vez creado el nuevo monitor?
19. Que sucedio despues de realizar los cambios en las neuronas y de
tener asignado el nuevo monitor?
406
7.3. UNA NEURONA DE RETARDO
407

on
Gua Educativa N
umero: 003
Duraci
7.3.
Una neurona de retardo
Objetivos
Aprender a manipular neuronas de retardo.
Aprender a manipular monitores a neuronas de retardo.
Conceptos B
asicos
gua educativa n
umero 001 Instalacion del entorno de trabajo y n
umero
002 Una neurona de entrada.
Entregable:
408
Observaciones:
Procedimiento:
Pasos
1
Descripci
on
Crear neurona.

d.
la variable d.
paso 3.
Comentario
de Retardo, indique como
nombres de las variables c,
d y como nombres de las
neuronas Nr1, Nr2
de Retardo.
de Retardo.
de Retardo.
Tabla 7.5: Manipulaci

on de neuronas de retardo 1
Pasos
1
2
Descripci
on
Experiemente con el valor de
salida y el valor futuro.
Experiemente enlazando, desenlazando y obtiendo las relaciones y nombres de la neuronas enlazadas.
Defina
y
experimente
con un nuevo tipo de
valor
futuro
llamado
ValorFuturoDelDisco.
Comentario
de Retardo.
de Retardo.
El nuevo tipo debe leer de un

archivo de texto y de forma
cclica los datos a procesar, uno
por lnea.

on de neuronas de retardo 2

Pasos
1
Descripci
on
Crear monitor.

c.
la variable c.
paso 3.
Asigne los monitores a las neuronas referenciadas por las variables c y d respectivamente.
6
7

neuronas.
usuario.monitor.neurona.retardo.MonitorDe
Disco.
409
Comentario
de Retardo.
de Retardo.
de Retardo.

en
un
archivo,
llamado
NRetardo.csv y separado por punto y coma, todos los
de Entrada,
indique
monitorDisco
Tabla 7.7: Manipulacion de monitores a neuronas de retardo
Taller:
1. Cual es el nombre del tipo de neurona de retardo por defecto?
una vez creada la primera neurona de retardo?
410

Obtener nombre?
(variable c)?
salida (variable c)?
8. Que sucede cuando utiliza la opcion Asignar valor futuro y Obtener
valor futuro?
9. Que sucede cuando utiliza la opcion Actualizar valor presente?
10. Que sucede cuando utiliza la opcion Actualizar valor futuro?
una vez creado el nuevo tipo de valor futuro?
de retardo?
una vez creado un monitor a una neurona de retardo (monitor4)?
17. Se puede asignar mas de un monitor a una neurona de retardo?
411

412
7.4. UNA NEURONA DE PROCESO
413

on
Gua Educativa N
umero: 004
Duraci
7.4.
Una neurona de proceso
Objetivos
Aprender a manipular neuronas de proceso.
Aprender a manipular monitores a neuronas de proceso.
Conceptos B
asicos
Antes de iniciar la practica asegurarse haber realizado correctamente
la gua educativa n
umero 001 Instalacion del entorno de trabajo, n
umero
002 Una neurona de entrada y n
umero 003 Una neurona de retardo.
Entregable:
414
Observaciones:
Procedimiento:
Pasos
1
Descripci
on
Crear neurona.

f.
la variable f.
paso 3.
Comentario
de Proceso, indique como
nombres de las variables e,
f, como nombres de las neuronas Np1, Np2 y ambas
con dos entradas.
de Proceso.
de Proceso.
de Proceso.

on de neuronas de proceso 1
Pasos
1
2
Descripci
on
Experiemente cambiando las
funciones.
Experiemente enlazando, desenlazando y obtiendo las relaciones y nombres de la neuronas enlazadas.
Comentario
de Proceso.
de Proceso.

on de neuronas de proceso 2

Pasos
1
Descripci
on
Crear monitor.

e.
la variable e.
paso 3.
Asigne los monitores a las neuronas referenciadas por las variables e y f respectivamente.
6
7

neuronas.
usuario.monitor.neurona.proceso.MonitorDe
Disco.
415
Comentario
de Proceso.
de Proceso.
de Proceso.

en
un
archivo,
llamado
NProceso.csv y separado por punto y coma, todos los
de Entrada,
indique
monitorDisco
Tabla 7.10: Manipulacion de monitores a neuronas de proceso
Taller:
una vez creada la primera neurona de proceso?
416

Obtener nombre?
(variable e)?
5. Cuales son las funciones por defecto en una neurona proceso para la
funcion base, funcion de activaci
on y funcion de transferencia?
6. Por que el valor del umbral de activaci
on coincide con el valor de
salida de la neurona?
7. Que sucede cuando utiliza la opcion Cambiar umbral de activaci
on,
use el valor de 4.5, y Obtener umbral de activaci
on?
salida (variable e)?
de proceso?
una vez creado un monitor a una neurona de proceso (monitor6)?
14. Se puede asignar mas de un monitor a una neurona de proceso?
417

418
7.5. RED MONOCAPA CON CONEXIONES HACIA ADELANTE
419

on
Gua Educativa N
umero: 005
Duraci
7.5.
Red monocapa con conexiones hacia adelante
Objetivos
Aprender a construir una red monocapa con conexiones hacia adelante.
Conceptos B
asicos
la gua educativa n
umero
002 Una neurona de entrada, n
umero 003 Una neurona de retardo y
n
umero 004 Una neurona de proceso.
Entregable:
420
Observaciones:
Procedimiento:
Pasos
1
Descripci
on
Manualmente cree tres neuronas de entrada Nei y cinco
neuronas de proceso Npj
Cree un enlace desde cada una

de las entradas de las neuronas
de proceso a las respectivas
neuronas de entrada
Comentario
El n
umero de entradas de las
neuronas de proceso debe coincidir con la cantidad de neuronas de entrada.
Entradai enlaza la Neurona de
entrada i -esima.
Tabla 7.11: Creaci

on manual de la red
Pasos
1
Descripci
on
Defina una nueva red neuronal
que construya una topologa
monocapa con conexiones hacia
adelante, pregunte al usuario la
cantidad de entradas y de neuronas de proceso. En la parte
del funcionamiento, recorra todas las neuronas de proceso e
imprima el nombre de las neuronas de entrada enlazadas e
imprima con quien se relacionan cada una de ellas.
Cree una nueva red usando el
nuevo tipo
Ejecute la red creada
Comentario
Use los nombre Nei y Npj
para las neuronas de entrada
y de proceso respectivamente.
Valide los datos de entrada y
los enlaces a posibles neuronas.
Indique que se quieren 3 neuronas de entrada y 5 neuronas

de proceso.
Tome nota de lo imprime.
Tabla 7.12: Definicion de una nueva red
421
Taller:
una vez creado la nueva red neurona?
2. Cual es el resultado al ejecutar la red?
422
7.6. RED MULTICAPA CON CONEXIONES HACIA ADELANTE 423

on
Gua Educativa N
umero: 006
Duraci
7.6.
Red multicapa con conexiones hacia adelante
Objetivos
Aprender a construir una red multicapa con conexiones hacia adelante.
Conceptos B
asicos
gua educativa n
umero 002
Una neurona de entrada, n
umero 003 Una neurona de retardo, n
umero
004 Una neurona de proceso y n
umero 005 Red monocapa con conexiones
hacia adelante.
Entregable:
424
Observaciones:
Procedimiento:
Pasos
1
Descripci
on
Manualmente cree tres neuronas de entrada Nei y dos
capas de neuronas de proceso
con cuatro y tres neuronas respectivamente, use como nombres Npcj en donde j es el
n
umero de la neurona y c el
n
umero la capa
Cree un enlace que conecte de
manera completa la capa c con
la capa c1 para c > 1
Comentario
El n
neuronas de proceso debe coincidir con la cantidad de neuronas en la capa anterior.
Cada neurona conecta todas las

neuronas de la capa anterior.
Tabla 7.13: Creaci

on manual de la red

Pasos
1
Descripci
on
Defina una nueva red neuronal
que construya una topologa
multicapa con conexiones hacia
adelante, pregunte al usuario
la cantidad de entradas, de capas y de neuronas de proceso
por capa. En la parte del funcionamiento, recorra todas las
neuronas de proceso e imprima
el nombre de las neuronas enlazadas.
nuevo tipo
Comentario
Use los nombre Nei y Npcj
para las neuronas de entrada
Valide los datos de entrada.
Indique que se quieren 2 neuronas de entrada, 3 capas y respectivamente 4, 2 y 3 neuronas

de proceso.
Tabla 7.14: Definici

on de una nueva red
Taller:
426

7.7. RED MONOCAPA CON RETROALIMENTACION
427

on
Gua Educativa N
umero: 007
Duraci
7.7.
Red monocapa con retroalimentaci

on
Objetivos
Aprender a construir una red monocapa con retroalimentaci
on.
Conceptos B
asicos
la gua educativa n
umero
002 Una neurona de entrada, n
umero 003 Una neurona de retardo,
n
umero 004 Una neurona de proceso, n
umero 005 Red monocapa con
conexiones hacia adelante y n
umero 006 Red multicapa con conexiones
hacia adelante.
Entregable:
428
Observaciones:
Procedimiento:
Pasos
1
Descripci
on
Manualmente cree tres neuronas de retardo Nri y tres
neuronas de proceso Npj
Cree un enlace desde cada una

de las neuronas de retardo a cada neuronas de proceso y desde
cada neurona de proceso a las
otras neuronas de retardo, salvo la que la enlaza a ella
Comentario
El n
neuronas de proceso debe coincidir con la cantidad de neuronas de retardo - 1.
Topologa de Hopfield.
Tabla 7.15: Creaci

on manual de la red
Pasos
1
2
2
Descripci
on
Defina una nueva red neuronal que construya una
topologa
monocapa
con
retroalimentacion,
pregunte
al usuario la cantidad de
neuronas. En la parte del
funcionamiento, recorra todas
las neuronas de retardo y de
proceso e imprima el nombre
de las neuronas enlazadas (si
hay).
nuevo tipo
Comentario
Use los nombre Nri y Npj
para las neuronas de retardo
Valide los datos de entrada y
los enlaces a posibles neuronas.
Indique que se quieren 5 neuronas.

Tabla 7.16: Definicion de una nueva red

429
Taller:
430
GUIAS DE LABORATORIOS
(DOCENTE)
432
CAPITULO 8. GUIAS DE LABORATORIOS (DOCENTE)

8.1. INSTALACION
433

on
Gua Educativa N
umero: 001
8.1.
Instalaci
on del entorno de trabajo
Soluci
on del Taller
1. Cuales son los nombres de los archivos necesarios para realizar el
montaje del entorno de trabajo? (Java 6.0, Documentaci
on de Java
6.0, Material de Apoyo, Gua de laboratorio)
R./
jdk-6u3-windows-i586-p.exe
jdk-6-doc.zip
netbeans-6.1-windows.exe
2. Cual es la ruta en donde queda instalado Java 6.0 update 3 y la

respectiva documentacion?
R./
C:\Archivos de programa\Java\jdk1.6.0_03
C:\Archivos de programa\Java\jdk1.6.0_03\doc
3. Que contiene la carpeta Dist y explique brevemente cada uno?

R./
La carpeta javadoc que contiene la documentaci
on del c
odigo fuente del laboratorio
virtual de redes neuronales.
La carpete lib que contiene las librerias necesarias: nimrodlf.jar y usuario.jar.
El archivo A_TrabajoDeAscenso.pdf que contiene el proceso de ingeniera de la elaboraci
on del laboratorio virtual, al iguales que las guas de laboratorio.
El archivo LabVirtualRNA.jar que es el ejecutable del laboratorio virtual.
El archivo README.TXT que contiene recomendaciones de la forma de ejecutar el
archivo jar.
4. Consulte en Internet para que se utiliza el archivo nimrodlf.jar.

R./
El archivo nimrodlf.jar es NimROD Look & Feel, utilizado para personalizar la
apariencia de los componentes gr

aficos de java.
434
435

on
Gua Educativa N
umero: 002
8.2.
Una neurona de entrada
Taller:
encuentran activadas por defecto?
R./
Archivo
Iniciar laboratorio
Cargar laboratorio
Configurar tema
Salir
Acerca de
Agradecimientos
Acerca de
2. Cual es la advertencia que se muestra cuando se solicita iniciar laboratorio?

R./
<Todos los datos no guardados se perder
an si contin
ua!

una vez creado el laboratorio?
R./
/*
LABORATORIO VIRTUAL DE REDES NEURONALES
Autores: Juli
an Esteban Guti
errez Posada
Fecha: 08-08-2008 / 11:24 AM
*/
436

encuentran activas despues de iniciar un laboratorio?
R./
Archivo
Iniciar laboratorio
Cargar laboratorio
Guardar laboratorio
Configurar tema
Salir
Neurona de Entrada
Crear neurona
Crear monitor
Neurona de Retardo
Crear neurona
Definir nuevo valor futuro
Crear monitor
Neurona de Retardo
Crear neurona
Definir nueva
Definir nueva
Definir nueva
Crear monitor
Definir nuevo
funci
on base
funci
on de activaci
on
funci
on de transferencia
monitor
Red Neuronal
Crear red
Definir nueva red neuronal
Acerca de
Agradecimientos
Acerca de

una vez creada la primera neurona de entrada?
R./
NeuronaDeEntrada a;
a = new NeuronaDeEntrada ( "Ne1");

Obtener nombre?
R./
Se actualiza el campo "Nombre de la neurona:" en la ventana.
437
(variable a)?
R./
a.obtenerNombre();
//El nombre es: "Ne2"

R./
salida (variable a)?
R./
a.obtenerValorDeSalida();
//El valor de salida es: 0.0

R./
La neurona se comporta como una variable, en un lenguaje de programaci
on, y toma
el valor asignado. Luego entrega dicho valor cuando se le solicita
de entrada?
R./
neuronal.monitor.MonitorDeNeuronaDeEntrada

una vez creado un monitor a una neurona de entrada (monitor1)?
R./
neuronal.monitor.MonitorDeNeuronaDeEntrada monitor1;
monitor1 =new neuronal.monitor.MonitorDeNeuronaDeEntrada();
438

R./
Se obtiene el mensaje de error "El formato no corresponde al de un identificador
v
alido"

R./
b.asignarMonitor( monitor2 );

R./
Se muestra un ventana llamada "Ventana Monitor de neurona", por cada monitor, con
la siguiente informaci
on: el tiempo en nanosegundos, el nombre de la neurona que
se modifico y su respectivo valor de salida.
16. Se puede asignar mas de un monitor a una neurona de entrada?

R./
S
, en cuyo caso la actualizaci
on se hace en todas las ventanas que pertenezcan
a los monitor asignados.
R./
Se actualizan los datos de ambas neuronas en la misma ventana del monitor
439

R./
/* Variables modelo:
java.io.FileWriter archivo;
java.io.BufferedWriter buffer;
java.io.PrintWriter impresor;
*/
/* Constructor:
try
{
archivo = new java.io.FileWriter ( "NEntrada.csv");
buffer = new java.io.BufferedWriter ( archivo );
impresor = new java.io.PrintWriter ( buffer );
}
catch ( Exception e )
{
adicionarTexto ( e.toString() );
}
*/
/* Funcionamiento:
impresor.print( System.nanoTime()+ "; ");
impresor.print( neuronaModificada.obtenerNombre ()+"; ");
impresor.print( neuronaModificada.obtenerValorDeSalida ());
impresor.println();
impresor.flush();
*/
/* Destructor:
impresor.close();
buffer.close();
archivo.close();
*/

R./
Se cre
o el archivo "NEntrada.csv" con los datos de las neuronas modificadas.
440
441

on
Gua Educativa N
umero: 003
8.3.
Una neurona de retardo
Taller:
1. Cual es el nombre del tipo de neurona de retardo por defecto?
R./
neuronal.neurona.NeuronaDeRetardo

una vez creada la primera neurona de retardo?
R./
neuronal.neurona.NeuronaDeRetardo c;
c = new neuronal.neurona.NeuronaDeRetardo ( "Nr1");

Obtener nombre?
R./
(variable c)?
R./
c.obtenerNombre();
//El nombre es: "Nr1"

R./
442
salida (variable c)?
R./
c.obtenerValorDeSalida();

R./
on, y toma
8. Que sucede cuando utiliza la opcion Asignar valor futuro y Obtener

valor futuro?
R./
on, y toma
9. Que sucede cuando utiliza la opcion Actualizar valor presente?

R./
Toma el valor futuro y lo asigna como valor de salida
10. Que sucede cuando utiliza la opcion Actualizar valor futuro?

R./
Por defecto toma el valor de entrada de la neurona y lo asigna como valor futuro,
o realiza un procedimiento definido por el usuario, como por ejemplo tomar los datos
del disco.

una vez creado el nuevo tipo de valor futuro?
java.io.FileReader archivoDeLectura;
java.io.BufferedReader bufferDeLectura;
String linea;
*/
443
/* Constructor:
linea = null;
bufferDeLectura = null;
*/
/* Funcionamiento:
try
{
do
{
if ( linea == null )
{
archivoDeLectura = new java.io.FileReader ( "Datos.txt");
bufferDeLectura = new java.io.BufferedReader ( archivoDeLectura );
}
linea = bufferDeLectura.readLine( );
} while ( linea == null );
valorSiguiente = Double.parseDouble( linea );
}
{
return 0.0;
}
*/
/* Destructor:
bufferDeLectura.close ( );
*/
de retardo?
R./
neuronal.monitor.MonitorDeNeuronaDeRetardo

una vez creado un monitor a una neurona de retardo (monitor4)?
R./
neuronal.monitor.MonitorDeNeuronaDeRetardo monitor4;
monitor4 =new neuronal.monitor.MonitorDeNeuronaDeRetardo();
444

R./
v
alido"

R./
c.asignarMonitor( monitor3 );

R./
se modifico, valor de salida, valor futuro, siguiente valor futuro, estado del enlace,
el nombre de la neurona enlazada (si hay) y relaciones de la neurona (si las tiene).
17. Se puede asignar mas de un monitor a una neurona de retardo?

R./
S
R./
445

R./
*/
/* Constructor:
try
{
archivo = new java.io.FileWriter ( "NRetardo.csv");
}
{
}
*/
/* Funcionamiento:
try
{
impresor.print( System.nanoTime()+ "; ");
impresor.print( neuronaModificada.obtenerNombre ()+"; ");
impresor.print( neuronaModificada.obtenerValorDeSalida ()+"; ");
impresor.print( neuronaModificada.obtenerValorFuturo ()+"; ");
impresor.print( neuronaModificada.obtenerSiguienteValorFuturo ()+"; ");
impresor.print( neuronaModificada.obtenerEstadoDelEnlace ()+"; ");
impresor.print( neuronaModificada.obtenerNombreDeLaNeuronaEnlazada ()+"; ");
impresor.print( neuronaModificada.obtenerConQuienSeRelaciona () );
}
{
}
impresor.println();
impresor.flush();
*/
/* Destructor:
impresor.close();
buffer.close();
archivo.close();
*/
446

R./
Se cre
o el archivo "NRetardo.csv" con los datos de las neuronas modificadas.
447

on
Gua Educativa N
umero: 004
8.4.
Una neurona de proceso
Taller:
una vez creada la primera neurona de proceso?
R./
NeuronaDeProceso e;
e = new NeuronaDeProceso ( "Np1", 2 );

Obtener nombre?
R./
(variable e)?
R./
e.obtenerNombre();
//El nombre es: "Np1"

R./
448
5. Cuales son las funciones por defecto en una neurona proceso para la
funcion base, funcion de activaci
on y funcion de transferencia?
R./
Funci
on base: Funci
on base lineal.
Funci
on de activaci
on: Funci
on identidad.
Funcion de transferencia: Funci
on identidad.
6. Por que el valor del umbral de activaci

on coincide con el valor de
salida de la neurona?
R./
Dado que la neurona no tiene neuronas conectadas, se asume como 0.0 el valor
de cada entrada.
El valor para la entrada asociada al umbral es 1.0
Como la funci
on base es lineal y las entradas son cero, el
unico valor es
el del umbral de activaci
on.
Como la funci
on de activaci
on es la funci
on identidad, el valor coincide con
el valor de la funci
on base.
Como la funci
on de transferencia es la funci
on identidad, el valor coincide
con el valor de la funci
on de activaci
on.
7. Que sucede cuando utiliza la opcion Cambiar umbral de activaci

on,
use el valor de 4.5, y Obtener umbral de activaci
on?
R./
on, y toma
el valor asignado (4.5). Luego entrega dicho valor cuando se le solicita
salida (variable e)?
R./
e.obtenerValorDeSalida();
de proceso?
R./
neuronal.monitor.MonitorDeNeuronaDeProceso
449

una vez creado un monitor a una neurona de proceso (monitor6)?
R./
neuronal.monitor.MonitorDeNeuronaDeProceso monitor6;
monitor6 = new neuronal.monitor.MonitorDeNeuronaDeProceso();

R./
v
alido"

R./
e.asignarMonitor( monitor5 );

R./
se modifico, valor de salida, funci
on base, funci
on de activaci
on, funci
on de transferencia,
on, valor de activaci
on, umbral de activaci
on, n
umero de entradas,
y por cada entrada: peso del enlace, estado de la conexi
on y nombre de la neurona
enlazada (si hay).
14. Se puede asignar mas de un monitor a una neurona de proceso?

R./
S
450
R./

R./
*/
/* Constructor:
try
{
archivo = new java.io.FileWriter ( "NProceso.csv");
}
{
}
*/
/* Funcionamiento:
String estado;
int numeroDeEntradas;
try
{
impresor.print(
impresor.print(
impresor.print(
impresor.print(
impresor.print(
impresor.print(
impresor.print(
impresor.print(
impresor.print(
System.nanoTime()+ "; ");

neuronaModificada.obtenerNombre ()+"; ");
neuronaModificada.obtenerValorDeSalida ()+"; ");
neuronaModificada.obtenerFuncionBase ()+"; ");
neuronaModificada.obtenerFuncionDeActivacion ()+"; ");
neuronaModificada.obtenerFuncionDeTransferencia ()+"; ");
neuronaModificada.obtenerPotencialDeActivacion ()+"; ");
neuronaModificada.obtenerValorDeActivacion ()+"; ");
neuronaModificada.obtenerUmbralDeActivacion ()+"; ");
numeroDeEntradas = neuronaModificada.obtenerNumeroDeEntradas ();

impresor.print( numeroDeEntradas +"; ");
451
for ( int i = 0 ; i <numeroDeEntradas ; i++ )

{
impresor.print( i +"; ");
estado = neuronaModificada.obtenerEstadoDelEnlaceDeLaEntrada ( i );
if ( estado.equals( ((Conectado>") == true )
{
impresor.print( neuronaModificada.obtenerNombreNeuronaEnlazada (i)+";" );
}
}
}
{
}
impresor.println();
impresor.flush();
*/
/* Destructor:
impresor.close();
buffer.close();
archivo.close();
*/

R./
Se cre
o el archivo "NProceso.csv" con los datos de las neuronas modificadas.
452
453

on
Gua Educativa N
umero: 005
8.5.
Red monocapa con conexiones hacia adelante
Taller:
R./
NeuronaDeEntrada[] entrada;
NeuronaDeProceso[] proceso;
*/
/* Topolog
a:
int numeroDeEntradas = 0;
int numeroDeNeuronas = 0;
String linea;
while ( true )
{
try
{
linea = JOptionPane.showInputDialog( "N
umero de entradas: ");
numeroDeEntradas = Integer.parseInt( linea );
if ( numeroDeEntradas >= 1 ) { break; }
}
catch ( Exception e ) { }
}
while ( true )
{
try
{
umero de neuronas: ");
numeroDeNeuronas = Integer.parseInt( linea );
if ( numeroDeNeuronas >= 1 ) { break; }
}
}
454
entrada = new NeuronaDeEntrada [ numeroDeEntradas ];

proceso = new NeuronaDeProceso [ numeroDeNeuronas ];
{
entrada [ i ] = new NeuronaDeEntrada( "Ne"+ i );
}
try
{
for ( int i = 0 ; i <numeroDeNeuronas ; i++ )
{
proceso [ i ] = new NeuronaDeProceso( "Np"+ i, numeroDeEntradas );
for ( int j = 1 ; j <= numeroDeEntradas ; j++ )
{
proceso[ i ].enlazarNeurona( entrada[ j - 1 ], j );
}
}
}
*/
/* Funcionamiento:
String texto;
for ( int i = 0 ; i <proceso.length ; i++ )
{
texto = proceso[ i ].obtenerNombre( ) +"\n";
for ( int j = 1 ; j <proceso[ i ].obtenerNumeroDeEntradas() ; j++ )
{
texto += "Entrada "+ j +": ";
try
{
texto += "\""+ proceso[ i ].obtenerNombreNeuronaEnlazada( j ) + "\"\n";
}
catch( Exception e )
{
texto += "<Libre>\n";
}
}
JOptionPane.showMessageDialog ( null , texto );
}
*/

R./
Np0
Entrada 1: "Ne0"
Entrada 2: "Ne1"
Entrada 3: "Ne2"
"Np0"(1) ->"Ne0" "Np0"(2) ->"Ne1" "Np0"(3) ->"Ne2"
Np1
Entrada 1: "Ne0"
Entrada 2: "Ne1"
Entrada 3: "Ne2"
"Np1"(1) ->"Ne0" "Np1"(2) ->"Ne1" "Np1"(3) ->"Ne2"
Np2
Entrada 1: "Ne0"
Entrada 2: "Ne1"
Entrada 3: "Ne2"
"Np2"(1) ->"Ne0" "Np2"(2) ->"Ne1" "Np2"(3) ->"Ne2"
Np3
Entrada 1: "Ne0"
Entrada 2: "Ne1"
Entrada 3: "Ne2"
"Np3"(1) ->"Ne0" "Np3"(2) ->"Ne1" "Np3"(3) ->"Ne2"
Np4
Entrada 1: "Ne0"
Entrada 2: "Ne1"
Entrada 3: "Ne2"
"Np4"(1) ->"Ne0" "Np4"(2) ->"Ne1" "Np4"(3) ->"Ne2"
455
456

on
Gua Educativa N
umero: 006
8.6.
Red multicapa con conexiones hacia adelante
Taller:
R./
NeuronaDeEntrada[] entrada;
NeuronaDeProceso[][] proceso;
*/
/* Topolog
a:
int numeroDeCapas = 0;
int numeroDeEntradas = 0;
int numeroDeNeuronas = 0;
String linea;
while ( true )
{
try
{
umero de entradas: " );
numeroDeEntradas = Integer.parseInt( linea );
if ( numeroDeEntradas >= 1 ) { break; }
}
}
entrada = new NeuronaDeEntrada[ numeroDeEntradas ];
{
entrada [ i ] = new NeuronaDeEntrada( "Ne" + i );
}
458
while ( true )
{
try
{
umero de capas: " );
numeroDeCapas = Integer.parseInt( linea );
if ( numeroDeCapas >= 1 ) { break; }
}
}
proceso = new NeuronaDeProceso[ numeroDeCapas ][ ];
try
{
for ( int k = 0 ; k <numeroDeCapas ; k++ )
{
while ( true )
{
linea = JOptionPane.showInputDialog("Neuronas por la capa "+ k +": ");
if ( numeroDeNeuronas >= 1 )
break;
}
proceso[ k ] = new NeuronaDeProceso [ numeroDeNeuronas ];
for ( int j = 0 ; j <numeroDeNeuronas ; j++ )
{
if ( k == 0 )
{
proceso [k][j] = new NeuronaDeProceso( "Np" + k + "," + j, numeroDeEntradas);
for ( int i = 1 ; i <= numeroDeEntradas ; i++ )
{
proceso[ k ][ j ].enlazarNeurona( entrada[ i - 1 ], i );
}
}
else
{
proceso[ k ][ j ]=new NeuronaDeProceso("Np" + k + ","+j, proceso[k-1].length);
for ( int i = 1 ; i <= proceso [ k - 1 ].length; i++ )
{
proceso[ k ][ j ].enlazarNeurona( proceso[ k - 1 ][ i - 1], i );
}
}
}
}
}
*/

/* Funcionamiento:
String texto, nombre;
try
{
for ( int k = 0 ; k <proceso.length ; k++ )
{
texto = "Capa " + k + ": \n";
for ( int j = 0 ; j <proceso[ k ].length ; j++ )
{
texto += " " + proceso[ k ][ j ].obtenerNombre() + "\n";
for ( int i = 1 ; i <proceso[ k ][ j ].obtenerNumeroDeEntradas() ; i++)
{
nombre = proceso[ k ][ j ].obtenerNombreNeuronaEnlazada( i );
texto += "Entrada(" + i + "):" + nombre + "\n";
}
}
}
}
*/

R./
Capa 0:
Np0,0
Entrada(
Entrada(
Np0,1
Entrada(
Entrada(
Np0,2
Entrada(
Entrada(
Np0,3
Entrada(
Entrada(
1 ): "Ne0"
2 ): "Ne1"
1 ): "Ne0"
2 ): "Ne1"
1 ): "Ne0"
2 ): "Ne1"
1 ): "Ne0"
2 ): "Ne1"
460

Capa 1:
Np1,0
Entrada(
Entrada(
Entrada(
Entrada(
Np1,1
Entrada(
Entrada(
Entrada(
Entrada(
Capa 2:
Np2,0
Entrada(
Entrada(
Np2,1
Entrada(
Entrada(
Np2,2
Entrada(
Entrada(
1
2
3
4
):
):
):
):
"Np0,0"
"Np0,1"
"Np0,2"
"Np0,3"
1
2
3
4
):
):
):
):
"Np0,0"
"Np0,1"
"Np0,2"
"Np0,3"
1 ): "Np1,0"
2 ): "Np1,1"
1 ): "Np1,0"
2 ): "Np1,1"
1 ): "Np1,0"
2 ): "Np1,1"

461

on
Gua Educativa N
umero: 007
8.7.
Red monocapa con retroalimentaci

on
Taller:
R./
NeuronaDeRetardo[] retardo;
NeuronaDeProceso[] proceso;
*/
/* Topolog
a:
int numeroDeNeuronas = 0, k;
String linea;
while ( true )
{
try
{
umero de neuronas: " );
if ( numeroDeNeuronas >= 1 ) { break; }
}
}
retardo = new NeuronaDeRetardo [ numeroDeNeuronas ];
proceso = new NeuronaDeProceso [ numeroDeNeuronas ];
try
{
{
retardo [ i ] = new NeuronaDeRetardo( "Nr" + i );
proceso [ i ] = new NeuronaDeProceso( "Np" + i, numeroDeNeuronas - 1 );
retardo[ i ].enlazarNeurona( proceso[ i ] );
}
462

{
k = 0;
for ( int j = 1 ; j <= numeroDeNeuronas - 1; j++ )
{
if ( i == j - 1 ) { k++; }
proceso[ i ].enlazarNeurona( retardo [ k ], j );
k++;
}
}
}
*/
/* Funcionamiento:
String texto = "";
for ( int j = 0 ; j <proceso.length ; j++ )
{
texto = "Retardo: " + retardo[ j ].obtenerNombre() + ": ";
try
{
texto += retardo[ j ].obtenerNombreDeLaNeuronaEnlazada( ) + "\n";
}
{
}
texto += proceso[ j ].obtenerNombre() + "\n";

for ( int i = 1 ; i <proceso[ j ].obtenerNumeroDeEntradas() ; i++ )
{
texto += " Entrada( " + i + " ): ";
try
{
texto += proceso[ j ].obtenerNombreNeuronaEnlazada( i ) +"\n";
}
{
}
}
}
*/

R./
Retardo: Nr0: "Np0"
Np0
Entrada( 1 ): Nr1
Entrada( 2 ): Nr2
Entrada( 3 ): Nr3
Entrada( 4 ): Nr4
Retardo: Nr1: "Np1"
Np1
Entrada( 1 ): Nr0
Entrada( 2 ): Nr2
Entrada( 3 ): Nr3
Entrada( 4 ): Nr4
Retardo: Nr2: "Np2"
Np2
Entrada( 1 ): Nr0
Entrada( 2 ): Nr1
Entrada( 3 ): Nr3
Entrada( 4 ): Nr4
463
464
Retardo: Nr3: "Np3"

Np3
Entrada( 1 ): Nr0
Entrada( 2 ): Nr1
Entrada( 3 ): Nr2
Entrada( 4 ): Nr4

8.8. PROYECTOS DE PROGRAMACION
465

on
Tema: Lista de proyectos de programacion
8.8.
Proyectos de programaci
on
Modifique el codigo fuente del Laboratorio Virtual (LabVirtualRNA.jar)

para agregar las siguientes redes neuronales a problemas particulares.
1. Perceptron.
2. Adaline.
3. Madaline.
4. Perceptron multinivel.
5. Backpropagation.
6. Hopfield.
COMO YA DEBE SER DE SU CONOCIMIENTO, ESTAS
NO SON LAS UNICAS

REDES NEURONALES, PERO SI
POPULARES.
SON LAS REDES NEURONALES MAS
466
Bibliografa
[1] Adenso DIAZ. Optimizaci

on heurstica y redes neuronales en direcci
on
de operaciones e ingeniera. Editorial Paraning, Espa
na, 1996.
[2] Andrzej CICHOCKI, Rolf UNBEHAUEN. Neural networks for optimization and signal processing 1 Wiley, Canada, 1993.
[3] Bonifacio Martn del BRIO, Alfredo Sanz MOLINA. Redes neuronales
y istemas difusos. Segunda edicion, Alfaomega - Ra-Ma, Mexico, 2002.
[4] David B. FOGEL, Evolutionary Computation, toward a new philosophy
of machine intelligence. IEEE Press Marketing, New York, 1995.
[5] Elaine RICH y Kevin KNIGHT. Inteligencia artificial. Segunda Edicion. Mc Graw Hill, Espa
na, 1994.
[6] Evoling artificial neural networks to combine financial forecasts in evolutionary computation. IEEE. April 1997.
[7] J. FREEMAN y D. SKAPURA. Redes neuronales: algoritmos, aplicaciones y tecnicas de programaci
on. Addison Wesley. 1993.
[8] J. HILERA y V. MARTIINEZ. Redes neuronales artificiales: fundamentos, modelos y aplicaciones. Addison Wesley. 1995.
[9] J.-S.R. JANG, C.-T.SUN, E.MIZUTANI. Neuro-fuzzy and soft computing, a computational approach to learning and machine intelligence.
Matlab Curriculum Series, Prentice Hall, 1997.
[10] L. FAUSETT, Fundamentals of neural networks, architectures, algorithms, and applications. Pentice Hall, New Jersey, 1994.
1
Libro que hace explcita la existencia de las neuronas de entrada, las neronas de
retardo y las neuronas de proceso. Tambien hace explicita la necesidad de las funciones
de activaci
on y las funciones de transferencia.
467
468
BIBLIOGRAFIA
[11] M. Norgaard, O. Ravn, N.K. Poulsen and L.K. Hansen. Neural networks
for modelling and control of dynamic systems. Springer, London, 2000.
Redes de neuonas arti[12] Pedro Isasi VINUELA,

Ines M. Galvan LEON.
ficiales, un enfoque pr
actico. Prentice Hall, Espa
na, 2004.
[13] P. WINSTON. Inteligencia artificial. Addison Wesley. 1993.
[14] V. RAO y H. RAO. C++ neural networks and fuzzy logic. Second Edition. M & T Books. 1995.
[15] Stuart RUSSELL, Peter NORVIG. Inteligencia artificial, un enfoque
moderno. Prentice Hall, Mexico, 1996.
[16] ROSENBERG, Doug. STEPHENS, Matt: Use case driven object modeling with UML Apress. 2007.
[17] ROSENBERG, Doug. SCOTT, Kendall: Appling use case driven object
modeling with UML, An Annotated E-Commerce Example Addison
Wesley. 2001.
[18] Simon HAYKIN. Neural networks, a comprehensive foundation 2 Second
Edition. Prentice Hall, New Jersey, 1999.
[19] Timothy MASTERS. Advanced algorithms for neural netwoks a C++.
Wiley, Canada, 1995.
Libro que hace explcita la existencia de las neuronas de entrada, las neronas de retardo
y las neuronas de proceso.
Indice alfabetico
C
casos de uso . . . . . . . . . . . . . . . . . . . 40
archivo. . . . . . . . . . . . . . . . . . . .40
cargar laboratorio . . . . . . . 47
guardar laboratorio . . . . . 48
iniciar laboratorio . . . . . . . 46
neurona de entrada . . . . . . . 40
asignar monitor . . . . . . . . . 55
asignar valor de salida . . 53
cargar monitor . . . . . . . . . . 59
crear monitor . . . . . . . . . . . 54
crear neurona . . . . . . . . . . . 49
definir monitor . . . . . . . . . . 57
desasignar monitor . . . . . . 56
obtener nombre . . . . . . . . . 51
obtener valor de salida . . 52
neurona de proceso . . . . . . . 42
asignar monitor . . . . . . . . 110
cambiar f. activacion . . . . 96
cambiar f. base. . . . . . . . . .92
cambiar f. transferencia 100
cambiar peso. . . . . . . . . . . .90
cambiar umbral . . . . . . . . 105
cargar f. activacion . . . . . . 99
cargar f. base . . . . . . . . . . . 94
cargar f. transferencia . . 103
cargar monitor . . . . . . . . . 114
crear monitor . . . . . . . . . . 108
crear neurona . . . . . . . . . . . 80
definir f. activacion. . . . . .97
definir f. base . . . . . . . . . . . 92
definir f. transferencia. .101
definir monitor. . . . . . . . .112
desasignar monitor . . . . .111
desenlazar neurona . . . . . . 85
enlazar neurona . . . . . . . . . 83
obtener estado enlace . . . 86
obtener f. activaci
on . . . . 95
obtener f. base . . . . . . . . . . 91
obtener f. transferencia. .99
obtener nom. enlazada . . 87
obtener nombre . . . . . . . . . 82
obtener num. entradas . . 83
obtener peso . . . . . . . . . . . . 89
obtener potencial . . . . . . 106
obtener relaciones . . . . . . . 87
obtener umbral . . . . . . . . 104
obtener v. activaci
on . . . 107
obtener v. salida . . . . . . . 107
neurona de retardo . . . . . . . . 41
actualizar valor futuro . . 66
actualizar valor presente 64
asignar monitor . . . . . . . . . 75
cargar monitor . . . . . . . . . . 79
cargar valor futuro . . . . . . 69
crear monitor . . . . . . . . . . . 74
crear neurona . . . . . . . . . . . 60
definir n. monitor . . . . . . . 77
definir nuevo v. futuro . . 67
enlazar neurona . . . . . . . . . 70
obtener nombre . . . . . . . . . 62
469
470
obtener valor futuro . . . . . 65
red neuronal . . . . . . . . . . . . . . 41
cargar red neuronal . . . . 119
crear red. . . . . . . . . . . . . . .114
definir red . . . . . . . . . . . . . 117
ejecutar red . . . . . . . . . . . . 120
generar aplicacion . . . . . 121
obtener nombre . . . . . . . . 116
ciclo de vida de un producto. . . .4
D
descripcion de los casos de uso 45
documento de requerimientos . . . 9
F
funciones
activacion . . . . . . . . . . . . . . . . . 10
base . . . . . . . . . . . . . . . . . . . . . . 10
lineal . . . . . . . . . . . . . . . . . . . 10
radical . . . . . . . . . . . . . . . . . . 10
transferencia . . . . . . . . . . . . . . 10
G
gua docente
01. instalacion . . . . . . . . . . . 433
02. neurona de entrada. . .435
03. neurona de retardo . . . 441
04. neurona de proceso . . . 447
05. red monocapa conexiones
hacia adelante . . . . . . . 453
06. red m
ulticapa con conexiones hacia adelante . 457
07. red monocapa con retroalimentacion . . . . . . . . . 461
Proyectos de programacion465
gua estudiante
01. instalacion . . . . . . . . . . . 397
02. neurona de entrada. . .401
03. neurona de retardo . . . 407
04. neurona de proceso . . . 413
05. red monocapa conexiones
hacia adelante . . . . . . . 419
INDICE ALFABETICO
06. red m
ulticapa con conexiones hacia adelante . 423
07. red monocapa con retroalimentaci
on . . . . . . . . . 427
gui . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
archivo
cargar archivos. . . . . . . . . .19
Guardar laboratorio. . . . .20
nuevo laboratorio . . . . . . . 19
dialogo de advertencia . . . . 39
dialogo de error . . . . . . . . . . . 39
dialogo de informacion . . . . 39
dialogo de pregunta . . . . . . . 39
neurona de entrada
asignar monitor . . . . . . . . . 22
crear monitor . . . . . . . . . . . 22
crear neurona . . . . . . . . . . . 21
definir nuevo monitor . . . 23
obtener nombre . . . . . . . . . 21
neurona de proceso
asignar monitor . . . . . . . . . 22
cambiar f. activaci
on . . . . 33
cambiar f. base. . . . . . . . . .32
cambiar f. transferencia . 34
cambiar peso enlace . . . . . 31
cambiar umbral . . . . . . . . . 35
crear monitor . . . . . . . . . . . 22
crear neurona . . . . . . . . . . . 29
definir f. activaci
on. . . . . .33
definir f. base . . . . . . . . . . . 32
definir f. transferencia . . . 34
enlazar neurona . . . . . . . . . 29
obtener estado . . . . . . . . . . 30
obtener f. activaci
on . . . . 32
INDICE ALFABETICO
obtener f. base . . . . . . . . . . 31
obtener f. transferencia. .33
obtener n
um. entradas . . 29
obtener nombre . . . . . . . . . 21
obtener peso enlace . . . . . 31
obtener potencial . . . . . . . 35
obtener umbral . . . . . . . . . 34
obtener v. de activacion . 35
neurona de retardo
actualizar v. presente . . . 39
actualizar valor futuro . . 26
actualizar valor presente 25
asignar monitor . . . . . . . . . 22
crear monitor . . . . . . . . . . . 22
crear neurona . . . . . . . . . . . 24
definir nuevo v.futuro . . . 26
enlazar neurona . . . . . . . . . 26
obtener nombre . . . . . . . . . 21
obtener valor futuro . . . . . 25
red neuronal
asignar monitor . . . . . . . . . 22
crear monitor . . . . . . . . . . . 22
crear red neuronal . . . . . . 36
definir red neuronal . . . . . 37
generar aplicacion . . . . . . . 39
obtener nombre . . . . . . . . . 21
ventana principal . . . . . . . . . 18
acerca de . . . . . . . . . . . . . . . 38
471
agradecimientos . . . . . . . . . 38
archivo . . . . . . . . . . . . . . . . . 18
ejecutar red . . . . . . . . . . . . . 37
generar aplicacion . . . . . . . 37
neurona de entrada . . . . . 20
neurona de proceso . . . . . 28
neurona de retardo . . . . . . 24
red neuronal . . . . . . . . . . . . 36
I
Iconix . . . . . . . . . . . . . . . . . . . . . . . . . . 5
an
alsis y dise
no preliminar . 7
dise
no. . . . . . . . . . . . . . . . . . . . . .7
implementaci
on y pruebas . . 7
L
laboratorio virtual . . . . . . . . . . . . 11
an
alisis de requerimientos
casos de uso . . . . . . . . . . . . 40
GUI . . . . . . . . . . . . . . . . . . . . 18
modelo del dominio . . . . . 15
requerimientos . . . . . . . . . . . 9
revisi
on de requerimient/42
tecnica de identificaci
on . 12
an
alisis y dise
no preliminar
descripcion casos de uso .45
M
modelo del dominio . . . . . . . . . . . 17
N
neurona de entrada . . . . . . . . 1012
neurona de proceso . . . . . 9, 10, 12
neurona de retardo . . . . . . . . 10, 12
niveles de abstraccion . . . . . . . . . . 3
P
PLC . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
R
red neuronal . . . . . . . . . . . . . . . . . . 12
requerimientos . . . . . . . . . . . . . . . . . 9
472
robustez
archivo
cargar laboratorio. . . . . .125
guardar laboratorio . . . . 125
iniciar laboratorio. . . . . .125
neurona de entrada
asignar valor de salida . 129
cargar monitor . . . . . . . . . 134
crear monitor . . . . . . . . . . 129
crear neurona . . . . . . . . . . 127
desasignar monitor. . . . .131
obtener nombre . . . . . . . . 127
obtener valor de salida . 127
neurona de proceso
cambiar f. activacion . . . 159
cambiar f. base . . . . . . . . 155
cambiar peso . . . . . . . . . . 155
cambiar umbral . . . . . . . . 165
cargar f. activacion . . . . 159
cargar f. base . . . . . . . . . . 157
cargar monitor . . . . . . . . . 172
crear monitor . . . . . . . . . . 167
crear neurona . . . . . . . . . . 150
definir f. activacion . . . . 159
definir f. base . . . . . . . . . . 157
desenlazar neurona . . . . 152
enlazar neurona . . . . . . . . 152
obtener estado enlace . . 153
obtener f. actualizacion 157
obtener f. base . . . . . . . . . 155
obtener f. transferencia 159
obtener nom. enlazada . 154
INDICE ALFABETICO
obtener nombre . . . . . . . . 150

obtener num. entradas . 150
obtener peso . . . . . . . . . . . 154
obtener relaciones . . . . . . 153
obtener umbral . . . . . . . . 162
obtener v. activaci
on . . . 165
neurona de retardo
actualizar valor futuro . 138
actualizar valor presente137
cargar monitor . . . . . . . . . 147
crear monitor . . . . . . . . . . 144
crear neurona . . . . . . . . . . 135
definir n. monitor . . . . . . 147
definir nuevo v. futuro.138,
141
obtener nombre . . . . . . . . 135
obtener valor futuro . . . 138
red neuronal
crear red. . . . . . . . . . . . . . .173
definir red . . . . . . . . . . . . . 173
ejecutar red . . . . . . . . . . . . 174
obtener nombre . . . . . . . . 173
S
secuencia
archivo
cargar laboratorio. . . . . .187
guardar laboratorio . . . . 187
INDICE ALFABETICO
iniciar laboratorio. . . . . .187

neurona de entrada
cargar monitor . . . . . . . . . 203
crear monitor . . . . . . . . . . 196
crear neurona . . . . . . . . . . 191
obtener nombre . . . . . . . . 193
neurona de proceso
cambiar f. activacion . . . 247
cambiar f. base . . . . . . . . 241
cambiar peso . . . . . . . . . . 239
cambiar umbral . . . . . . . . 259
cargar f. activacion . . . . 251
cargar f. base . . . . . . . . . . 245
cargar monitor . . . . . . . . . 270
crear monitor . . . . . . . . . . 263
crear neurona . . . . . . . . . . 229
definir f. activacion . . . . 248
definir f. base . . . . . . . . . . 242
obtener f. actualizacion 246
obtener f. base . . . . . . . . . 240
obtener f. transferencia 252
obtener nombre . . . . . . . . 231
obtener num. entradas . 232
obtener peso . . . . . . . . . . . 238
473
obtener umbral . . . . . . . . 258
obtener v. activaci
on . . . 261
neurona de retardo
actualizar valor futuro . 211
actualizar valor presente209
cargar monitor . . . . . . . . . 228
cargar valor futuro . . . . . 215
crear monitor . . . . . . . . . . 221
crear neurona . . . . . . . . . . 204
definir n. monitor . . . . . . 225
definir nuevo v. futuro . 212
obtener nombre . . . . . . . . 206
obtener valor futuro . . . 210
red neuronal
crear red. . . . . . . . . . . . . . .271
definir red . . . . . . . . . . . . . 274
ejecutar red . . . . . . . . . . . . 278
obtener nombre . . . . . . . . 273

ICONIX - Gutierrez

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

ICONIX - Gutierrez

Enviado por

Direitos autorais:

Formatos disponíveis

Laboratorio virtual de

Laboratorio virtual de redes neuronales

Este documento fue editado usando LATEX 2

1.1. Proceso de desarrollo ICONIX . . . . . . . . . . . . . . . . .

2.1. Documento de requerimientos . . . . . . . . . . . . . . . . . .

2.2. Tecnica de identificacion . . . . . . . . . . . . . . . . . . . . .

2.2.1. Lista de clases candidatas . . . . . . . . . . . . . . . .

2.2.2. Eliminacion de algunas clases candidatas . . . . . . .

2.2.3. Lista definitiva de clases candidatas . . . . . . . . . .

2.2.4. Relaciones entre las clases candidatas . . . . . . . . .

2.2.5. Lista de verbos . . . . . . . . . . . . . . . . . . . . . .

2.3. Modelo del dominio

2.4. Prototipo de las interfaces graficas . . . . . . . . . . . . . . .

2.5. Diagramas de Casos de Uso . . . . . . . . . . . . . . . . . . .

2.6. Revision de requerimientos (RR) . . . . . . . . . . . . . . . .

3.1. Descripcion de los casos de uso . . . . . . . . . . . . . . . . .

3.1.1. Paquete archivo . . . . . . . . . . . . . . . . . . . .

3.1.2. Paquete neurona de entrada . . . . . . . . . . . . .

3.1.3. Paquete neurona de retardo

3.1.4. Paquete neurona de proceso . . . . . . . . . . . . . .

3.1.5. Paquete red neuronal . . . . . . . . . . . . . . . . . 114

4.1. Diagramas de secuencia . . . . . . . . . . . . . . . . . . . . . 185

7. GUIAS DE LABORATORIOS (ESTUDIANTE)

7.2. Una neurona de entrada . . . . . . . . . . . . . . . . . . . . . 401

8.2. Una neurona de entrada . . . . . . . . . . . . . . . . . . . . . 435

Figura 1.1: Niveles de abstraccion de un proyecto de software

Product Life Cycle

1.1. PROCESO DE DESARROLLO ICONIX

Figura 1.2: Ciclo de vida de un producto de software (PLC)

Proceso de desarrollo ICONIX

Figura 1.3: Proceso de desarrollo ICONIX

1.1. PROCESO DE DESARROLLO ICONIX

La etapa de analisis y dise

Desarrollar un laboratorio virtual de redes neuronales, el cual permita

de salida (S) de la neurona de proceso; son funciones matematicas las cuales

Tabla 2.1: Lista de funciones base

Figura 2.1: Neurona de proceso

Figura 2.2: Neurona de retardo

2.1. DOCUMENTO DE REQUERIMIENTOS

u otra definida por el usuario

x + 0,5 en otro caso

Tabla 2.2: Lista de funciones de activaci

Figura 2.3: Neurona de entrada

Sobre el laboratorio: Iniciar laboratorio, cargar laboratorio, guardar

La tecnica que se va a utilizar para la identificaci

La tecnica de Descripcion informal se presta para la automatizacion,

Lista de clases candidatas

En primera instancia se obtiene una lista de los sustantivos (palabras o

Tabla 2.3: Lista de clases candidatas

Ahora se procede a realizar la eliminacion de algunos de los sustantivos

Tabla 2.4: Eliminaci

Lista definitiva de clases candidatas

En la Tabla 2.5 se puede observar la lista resultante despues de eliminar

Tabla 2.5: Lista definitiva de clases candidatas

2.3. MODELO DEL DOMINIO

Relaciones entre las clases candidatas

Las relaciones a identificar son:

La idea ahora es tomar la descripcion del problema e identificar los

Modelo del dominio

El modelo del dominio no es mas que un diagrama de clases sin ning

Tabla 2.6: Relaciones entre las clases candidatas

2.3. MODELO DEL DOMINIO

Figura 2.4: Modelo del dominio

Prototipo de las interfaces gr