Professional Documents
Culture Documents
Aprendizaje:
El aprendizaje es el proceso por medio del cual, los parmetros libres de una red neuronal
son adaptados a travs de un proceso de estimulacin por el ambiente en el cual la red se
encuentra inmersa.
El tipo de aprendizaje es determinado por la manera en la cual el cambio de parmetros
tiene lugar.
Mendel and Mc Claren (1970)
El aprendizaje es el proceso por el cual una red neuronal modifica sus pesos en respuesta
a una informacon de entrada. Los cambios que se producen durante el proceso de
aprendizaje son la destruccin, modificacin y creacin de conexiones entre las neuronas.
W = 0 Destruccin; W 0 Creacin Aprendizaje
Tipos de Aprendizaje
Aprendizaje Supervisado
Entrada, salida, objetivo
Aprendizaje No supervisado
Entrada, salida
Aprendizaje por Reforzamiento .
Recompensa/castigo
Reglas de Aprendizaje
Aprendizaje Supervisado:
Se realiza mediante un entrenamiento controlado por un agente externo (supervisor,
maestro), que determina la respuesta que debera generar la red apartir de una entrada
determinada.
Tambin se utiliza el aprendizaje hebbiano combinado con otros mtodos, esto se puede
ver en las redes:
Maquina de Boltzmann
Maquina de Cauchy
Counterpropagation (CPN en 1987)
Learning Vector Quantization (LVQ).
En estas redes las neuronas compiten y cooperan unas con otras con el fin de llevar a
cabo una tarea dada. Cuando se presenta a la red cierta informacin de entrada, solo una
de las neuronas de salida o un cierto grupo de neuronas, se activan. quedando anuladas
las dems (valores de respuesta mnimos).
28.
El objetivo de este tipo de aprendizaje es categorizar (Clustering) los datos que se
introducen en la red.
29. Ejemplos de Redes con Aprendizaje Competitivo y Cooperativo .
LVQ (Learning Vector quantization) Kohonen.
Cognitron y Neocognitron (Fukushima).
SOM (Kohonen).
ART (Carpenter y Grossberg).
30. Ejemplos de Redes con Aprendizaje Competitivo y Cooperativo LVQ ART
31. Metas del Aprendizaje No supervisado
El encontrar grupos de informacin
Reduccin de la dimensionalidad
la Construccin de mapas topogrficos
el encontrar las causas ocultas o fuentes de datos
Modelar la densidad de datos
32. Usos del Aprendizaje No supervisado
Compresin de Datos..
Clasificacin.
Hacer otras tares de aprendizaje mas fcil.
Una teora del aprendizaje humano y la percepcin.
33. Aprendizaje Por Refuerzo
34. Aprendizaje por Reforzamiento
35. Aprendizaje por Reforzamiento