TCNICA DE AMBATO

Inteligencia Artificial Aprendizaje no supervisado en RNA

Integrantes: Patricia Lisintua Esmeralda Alencastro

OBJETIVOS
Esta lecer el funcionamiento Determinar los algoritmos Esta lecer ejemplos
Determinar el concepto del Aprendizaje no Supervisado

CONTENIDO
CONCEPTO CARACTERST ICAS ALGORITMO EJEMPLO

CONCE(TO
Dependen de una di"tri%u i&n de pro%a%i$idad "o%re un onjunto de entrada'

Mtodo deAprendiza je Automti o! no "uper#i"ado

Mode$o e" aju"tado a $a" o%"er#a io ne"

CONCE(TO

Sumini"tran )rande" antidade" de dato" on $o" *ue $a red pueda on"truir "u" propia"

No e+i"te nin)una in,$uen ia e+terna a $a red

No "e e"pe i,i a a $a red u$ de%e "er $a re"pue"ta orre ta

CA-ACTE-STICAS
Ar(uitectura simple: )una sola capa *

Re(uieren menos tiempos de entrenamiento (ue las supervisadas

La red descu re caracter%sticas& regularidades& correlaciones ' categor%as "uestran cierto grado de Auto# organizaci$n No necesitan de un profesor e!terno

A(-ENDI.AJE /EBBIANO

La regla de Hebb fue una de las primeras reglas de aprendizaje de las ANN. Propuesta en 1949 por Donald Hebb como un mecanismo para realizar modificacin sin ptica en el cerebro ! desde entonces se us para el entrenamiento de las ANN.

A(-ENDI.AJE /EBBIANO

La regla de Hebb se puede usar en reconocimiento de patrones.

El comportamiento se podra explicar por la accin de las neuronas (The Organization of Beha ior! "#$#%.

&onsiste en el a'uste de los pesos de las conexiones! de acuerdo con la correlacin de los alores de acti acin (salidas% de las dos neuronas conectadas.

A01O-ITMO /EBBIANO

"ide la familiaridad o e!trae las caracter%sti cas de los datos de entrada+

(OST20ADO /EBBIANO
"sto significa #ue los pesos #ue unen a dos neuronas aumentan si se acti$an a la $ez ! disminu!en si se acti$an en distinto momento

, -uando un a!$n de una celda A esta suficientemente cerca como para conseguir e!citar una celda . ' repetida o persistentemente toma parte en su activaci$n& alg/n proceso de crecimiento o cam io meta $lico tiene lugar en una o am as celdas& de tal forma (ue la eficiencia de A& cuando la celda a activar es .& aumenta0+

(O- CE0DA 3 E4ICIENCIA

Por celda Por eficiencia %onjunto de neuronas la intensidad o la fuertemente magnitud de la conectadas a tra$&s cone'in( es decir el de una estructura peso . compleja.

TECNICAS DE A(-ENDISAJE NO S2(E-VISADO

-L6S2ERIN; Agrupan o jetos en regiones donde la similitud mutua es elevada

9IS6ALI:A-I7N Permiten o servar el espacio de instancias en un espacio de menor dimensi$n

RED6--I3N DE LA DI"ENSI7NALIDAD Los datos de entrada son agrupados en su espacios de una dimensi$n m8s aja (ue la inicial

E12RA--I3N DE -ARA-2ER4S2I-AS -onstru'en nuevos atri utos )pocos* a partir de los atri utos originales )muc5os*

METAS

El encontrar grupos de informaci$n

Reducci$n de la dimensionalidad

La -onstrucci$n de mapas topogr8ficos

El encontrar las causas ocultas o fuentes de datos "odelar la densidad de datos

EJEM(0OS
2iene como entrada una fotograf%a a<rea ' como salida la ela oraci$n de un mapa+

sistemas topogr ficos.

Se consigue analizando los patrones ' modificando el mapa por su e(uivalente sim $lico Se representan en los mapas los o jetos cartogr8ficos& cu'os tamaos son menores en relaci$n con el tamao del territorio& presentado en el mapa+

EJEM(0OS

EJEM(0OS

EJEM(0OS

EJEM(0OS

EJEM(0OS
Ejemplo: mapa de po reza mundial ) *enerado a partir de +9 dimensiones

EJEM(0OS
Ejemplo: mapa de po reza mundial ) *enerado a partir de +9 dimensiones

EJEM(0OS

Problema del $iajante

EJEM(0OS
Problema del $iajante ) Problema del $iajante, iteracin 1-

EJEM(0OS
Problema del $iajante ) Problema del $iajante, iteracin ./-

EJEM(0OS
Problema del $iajante ) Problema del $iajante, iteracin 0//-

EJEM(0OS
Problema del $iajante ) Problema del $iajante, 14 ciudades-

on $u"ione"
El aprendizaje no supervisado consiste en u aprendizaje de autoeducaci$n& es decir no se necesita de un maestro+ El aprendizaje se realiza mediante investigaciones+ El aprendizaje no supervisado es util para la compresi$n de datos ' muestran cierto grado de Auto#organizaci$n

El algoritmo =e iano pretende medir la familiaridad o e!traer las caracter%sticas de los datos de entrada El Sistema con aprendizaje no supervisado lo constitu'en los sistemas topogr8ficos& donde la entrada es una fotograf%a a<rea ' como salida la ela oraci$n de un mapa+

C A R G

S A I