BONN: Redes Neuronales Eficientes para Aprendizaje Rápido

BONN (Bio-inspired Olfactory Neural Network) es una arquitectura diseñada para entornos donde la eficiencia, la rapidez de entrenamiento y la robustez son prioritarias. Frente a los modelos tradicionales, BONN ofrece una alternativa ligera y altamente competitiva en escenarios de clasificación con pocos datos y entrenamiento superficial.

Este repositorio implementa y analiza una familia de modelos que combinan conectividad estructurada fija con mecanismos de activación controlada, obteniendo representaciones internas especializadas sin necesidad de múltiples capas entrenables.


Características destacadas

  • Arquitectura con una sola capa entrenable y conexiones fijas.
  • Entrenamiento eficiente: convergencia en una única época.
  • Codificación dispersa y representaciones especializadas emergentes.
  • Alta tolerancia al pruning sin necesidad de reentrenamiento.
  • Extensiones con activación estocástica y agregación estructurada.

Modelos incluidos

  • BONN: Modelo base con proyecciones aleatorias fijas y salida entrenable.
  • GateBONN: Variante con compuertas estocásticas diferenciables y regularización bayesiana.
  • EnsembleBONN: Combinación de múltiples instancias independientes para mejorar estabilidad y precisión.
  • Comparativas con modelos de referencia: MLP, ELM, RFM.

Estructura del proyecto

src/
├── bonn/              # Arquitectura principal BONN
├── gatebonn/          # GateBONN: versión con activación estocástica
├── ensemble/          # Lógica de ensamble y agregación
├── training/          # Entrenamiento, validación y evaluación
├── analysis/          # Visualización de activaciones, escasez y especialización
├── experiments/       # Scripts para ejecución de experimentos controlados
└── app.py             # Punto de entrada para lanzar entrenamientos

Documentación

  • Installation: Cómo instalar y configurar el entorno
  • Usage: Ejecución de los experimentos
  • Technical Details: Diseño interno de los modelos y su justificación biológica