Professional Documents
Culture Documents
REDES NEURONALES
Introduccin
Clasificacin
de redes neuronales:
Estructura
Aprendizaje
Aplicacin
REDES NEURONALES
NEURONA ARTIFICIAL
Elementos:
Conjunto de entradas, xj
a
Pesos sinpticos, wi
Funcin de activacin:
w1x1+ w2x2 + ... + wnxn = a
Funcin de transferencia:
y = F (w1x1+ w2x2 + ... + wnxn )
Bias o polarizacin: entrada constante de
magnitud 1, y peso b que se introduce en el
sumador
DISEO Y PROGRAMACION
Modelar
matemticamente el problema
en cuestin.
Formular una solucin mediante un
algoritmo.
Las RNA debern aprender
automticamente las propiedades
deseadas.
Entrenamiento o aprendizaje, ms
especfico que programacin.
NEURONA ARTIFICIAL
Principales
funciones de transferencia:
Lineal: y=ka
Escaln: y = 0 si a<0; y=1 si a>=0
Sigmoide
Gaussiana.
RNA Multicapa
Entrada
Salida
Oculta
Perceptrones
McCulloch
APRENDIZAJE
Los
cambios en el proceso de
aprendizaje se reducen a destruccin,
modificacin y creacin de conexiones
entre las neuronas.
La creacin de una conexin implica que
el peso de la misma pasa a tener un valor
distinto de cero.
Una conexin se destruye cuando su
valor pasa a ser cero.
APRENDIZAJE
No-supervisado.
APRENDIZAJE
Algoritmo supervisado:
1.
2.
3.
4.
Volver a 1
REGLA DELTA
Los
w w w
La
E (d y )
p
1
2
p 2
REGLA DELTA
Se
Para
La
1
2
(d
y p )2
E
wi
wi
E E
E
E
,
,...,
w1 w2
wm
REGLA DELTA
Se
E E y
wi y wi
Las
y
xi
wi
E
(d p y p )
y
Backpropagation
Propiedad de la generalizacin.
Algoritmo
backpropagation I
Adelante
Descripcin:
Atrs
Algoritmo
backpropagation II
Detalles:
Pasos:
Inicializacin:
Construccin de la red.
Inicializacin aleatoria de pesos y umbrales (-0.5, 0.5)
Criterio de terminacin (nmero mximo de iteraciones,).
Contador de iteraciones n=0.
Calcular la salida de la red para cada patrn de entrada.
Calcular el error total cometido (SSE)
Si la condicin de terminacin se satisface, parar
Parlisis de la red.
Mnimos locales.
Underfitting.
Redes Neuronales no
supervisadas I
Red competitiva
Arquitectura unidireccional de dos capas:
Capa de entrada: m neuronas, una por cada vector de
entrada.
Capa segunda, en la que se realiza el procesamiento,
formando el mapa de rasgos. Tiene nx X ny neuronas
operando en paralelo.
Todas las neuronas de entrada estn conectadas a las
neuronas de la segunda capa, a travs de los pesos wij
Aprendizaje:
1.
2.
3.
4.
5.
6.
7.
VENTAJAS
Ventajas
de las RNA:
APLICACIONES
Deteccin
de patrones.
Filtrado de seales
Segmentacin de datos
Control
Identificacin.
GRACIAS!