Decoding Artificial Intelligence: A tutorial on Neural Networks in Behavioral Research
Saved in:
| Title: | Decoding Artificial Intelligence: A tutorial on Neural Networks in Behavioral Research |
|---|---|
| Authors: | Martínez-García, Javier, Montaño, Juan José, Jiménez, Rafael, Gervilla, Elena, Cajal, Berta, Núñez, Antonio, Leguizamo, Federico, Sesé, Albert |
| Publisher Information: | Colegio Oficial de la Psicología de Madrid |
| Publication Year: | 2025 |
| Collection: | Universitat de les Illes Balears: DSpace |
| Subject Terms: | 159.9 - Psicologia, 159.9 - Psychology, Artificial intelligence, Artificial neural networks, Multilayer perceptron, Backpropagation algorithm, Python, Behavioral and health sciences, Inteligencia artificial, Redes neuronales artificiales, Perceptrón multicapa, Algoritmo de retropropagación, Ciencias del comportamiento y de la salud |
| Description: | [eng] Background: Artificial Neural Networks (ANNs), particularly multilayer perceptrons (MLPs) with backpropagation, are increasingly used in Behavioral and Health Sciences for data analysis. This paper provides a comprehensive tutorial on implementing backpropagation in MLP models for regression and classification tasks using Python. Method: The tutorial guides readers step-by-step through building a backpropagation MLP using a simulated data matrix (N = 1,000) with psychological variables, demonstrating ANNs’ versatility in predicting continuous variables and classifying (binary and polytomous) patterns. Python scripts and detailed output interpretations are included. Results: MLP models trained with backpropagation show effectiveness in regression (R² = .71) and classification (binary AUC = .93, polytomous AUC range: .81-.93) on test sets. Conclusions: This tutorial aims to demystify ANNs and promote their use in Behavioral and Health Sciences and other fields, bridging the gap between theory and practical implementation. ; [spa] Introducción: Las Redes Neuronales Artificiales (RNA), especialmente los perceptrones multicapa (MLPs) con retropropagación, son cada vez más utilizadas en Ciencias del Comportamiento y de la Salud para analizar datos. Este artículo presenta un tutorial completo sobre la implementación de modelos MLP con retropropagación para tareas de regresión y clasificación usando Python. Método: El tutorial guía paso a paso la construcción de un MLP con retropropagación utilizando una matriz de datos simulados (N = 1,000) con variables psicológicas, demostrando la versatilidad de las RNA en la predicción de variables continuas y clasificación de (binarios y politómicos). Se incluyen scripts de Python y su interpretación detallada. Resultados: Los modelos MLP muestran eficacia en regresión (R² = 0.71) y clasificación (AUC binaria = .93, rango AUC politómica: .81-.93) en los tests. Conclusiones: Este tutorial persigue desmitificar las RNA y promover su uso en Ciencias del Comportamiento y la ... |
| Document Type: | article in journal/newspaper |
| File Description: | application/pdf; 77-95 |
| Language: | English |
| Relation: | This study has been supported through the funded recruitment project 2023-24_8_61 RI-24, thanks to the Recovery and Resilience Mechanism Funds (EU - Next Generation) involving the European Union, the Ministry of Labour and Social Economy (Spain), the Autonomous Government of the Balearic Islands and the University of the Balearic Islands.; Clinica y Salud, 2025, vol. 36, num. 2, p. 77-95; https://hdl.handle.net/11201/173147; https://doi.org/10.5093/clh2025a13 |
| DOI: | 10.5093/clh2025a13 |
| Availability: | https://hdl.handle.net/11201/173147 https://doi.org/10.5093/clh2025a13 |
| Rights: | Attribution-NonCommercial-NoDerivatives 4.0 International ; https://creativecommons.org/licenses/by-nc-nd/4.0/ ; info:eu-repo/semantics/openAccess |
| Accession Number: | edsbas.B4B7252A |
| Database: | BASE |
Nájsť tento článok vo Web of Science | Abstract: | [eng] Background: Artificial Neural Networks (ANNs), particularly multilayer perceptrons (MLPs) with backpropagation, are increasingly used in Behavioral and Health Sciences for data analysis. This paper provides a comprehensive tutorial on implementing backpropagation in MLP models for regression and classification tasks using Python. Method: The tutorial guides readers step-by-step through building a backpropagation MLP using a simulated data matrix (N = 1,000) with psychological variables, demonstrating ANNs’ versatility in predicting continuous variables and classifying (binary and polytomous) patterns. Python scripts and detailed output interpretations are included. Results: MLP models trained with backpropagation show effectiveness in regression (R² = .71) and classification (binary AUC = .93, polytomous AUC range: .81-.93) on test sets. Conclusions: This tutorial aims to demystify ANNs and promote their use in Behavioral and Health Sciences and other fields, bridging the gap between theory and practical implementation. ; [spa] Introducción: Las Redes Neuronales Artificiales (RNA), especialmente los perceptrones multicapa (MLPs) con retropropagación, son cada vez más utilizadas en Ciencias del Comportamiento y de la Salud para analizar datos. Este artículo presenta un tutorial completo sobre la implementación de modelos MLP con retropropagación para tareas de regresión y clasificación usando Python. Método: El tutorial guía paso a paso la construcción de un MLP con retropropagación utilizando una matriz de datos simulados (N = 1,000) con variables psicológicas, demostrando la versatilidad de las RNA en la predicción de variables continuas y clasificación de (binarios y politómicos). Se incluyen scripts de Python y su interpretación detallada. Resultados: Los modelos MLP muestran eficacia en regresión (R² = 0.71) y clasificación (AUC binaria = .93, rango AUC politómica: .81-.93) en los tests. Conclusiones: Este tutorial persigue desmitificar las RNA y promover su uso en Ciencias del Comportamiento y la ... |
|---|---|
| DOI: | 10.5093/clh2025a13 |