Professional Documents
Culture Documents
Entre las funciones utilizadas por el MATLAB para disear el Perceptrn tenemos: NEWP: PLOTPV: PLOTPC: TRAIN: SIM: Inicializa el Perceptrn. Grafica los vectores de entrada cuando la salida es 1/0. Grafica la lnea de clasificacin que genera el Perceptrn. Entrena la red con el algoritmo del Perceptrn. Simula o prueba la red.
P(2)
0.5
-0.5 -0.5
0.5 P(1)
1.5
Como se puede observar MATLAB grfica los puntos dados en el vector X y le asigna un smbolo para la clasificacin dependiendo de la salida deseada, en este caso: Para salida deseada cero (0) =o Para salida deseada uno (1) = + Introduccin a las RNA & MATLAB | Solucin del problema de funcin lgica AND 2
Objeto donde se va almacenar la red neuronal creada por MATLAB. Rango del valor de la entrada de la red neuronal, el nmero de filas de esta matriz lo utilizar MATLAB para definir el nmero de entradas que tiene la red neuronal. Nmero de neuronas que tiene la red neuronal en la capa de salida.
1:
Ahora se proceder a generar los pesos inciales de la red, este paso no es necesario hacerlo pero permite generar un perceptrn con un superficie de separacin conocida
>> RedNeuro.iw{1,1}=[1 1]; >> RedNeuro.b{1}=0.5; >> Pesos= RedNeuro.iw{1,1}; >> Bias= RedNeuro.b{1};
Con el siguiente comando se grafica la lnea de separacin inicial que tiene el Perceptrn
>>plotpc(Pesos,Bias)
Introduccin a las RNA & MATLAB | Solucin del problema de funcin lgica AND
El comando anterior adiciona la recta clasificadora al grfico generado por plotpv, la grfica quedara as:
Vectors to be Classified 1.5
P(2)
0.5
-0.5 -0.5
0.5 P(1)
1.5
Entrenamiento de la red
El entrenamiento de la red se realiza con el comando train el cual implementa un entrenamiento con la regla de aprendizaje tipo Perceptrn, en MATLAB el entrenamiento se hace as: >> RedNeuro = train(RedNeuro,X,Y) Donde RedNeuro: X: Y:
Red neuronal a ser entrenada por MATLAB. Entrada de los patrones de aprendizaje. Salida deseada de los patrones de aprendizaje.
Al entrenar MATLAB genera la grfica que indica cmo va evolucionando error al transcurrir las iteraciones (pocas).
Cuando se ha entrenado la red, es posible generar una grfica que visualice la nueva lnea clasificadora que la red ha llevado a cabo la tarea.
Introduccin a las RNA & MATLAB | Solucin del problema de funcin lgica AND
>> figure; % Crea una nueva figura >> Pesos= RedNeuro.iw{1,1}; >> Bias= RedNeuro.b{1}; >> plotpv(X,Y) >>plotpc(Pesos,Bias)
Vectors to be Classified 1.5
P(2)
0.5
-0.5 -0.5
0.5 P(1)
1.5
Validacin de la red
Finalmente, al tener una red entrenada se procede a validar si el comportamiento de la misma es correcto o no, para esto se usa el comando sim como se muestra a continuacin: >> in_prueba=[0;0]; % Patrn de prueba >> salida = sim(RedNeuro, in_prueba) salida = 0 >> in_prueba=[1;1]; % Otro patn de prueba >> salida = sim(RedNeuro, in_prueba) salida = 1 Como se puede observar el comportamiento de la red es el adecuado por lo que se da por finalizado el entrenamiento.
Introduccin a las RNA & MATLAB | Solucin del problema de funcin lgica AND