Professional Documents
Culture Documents
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'
CONCE(TO
Sumini"tran )rande" antidade" de dato" on $o" *ue $a red pueda on"truir "u" propia"
CA-ACTE-STICAS
Ar(uitectura simple: )una sola capa *
La red descu re caracter%sticas& regularidades& correlaciones ' categor%as "uestran cierto grado de Auto# organizaci$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
El comportamiento se podra explicar por la accin de las neuronas (The Organization of Beha ior! "#$#%.
&onsiste en el a'uste de los pesos de las conexiones! de acuerdo con la correlacin de los alores de acti acin (salidas% de las dos neuronas conectadas.
A01O-ITMO /EBBIANO
(OST20ADO /EBBIANO
"sto significa #ue los pesos #ue unen a dos neuronas aumentan si se acti$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 $lico tiene lugar en una o am as celdas& de tal forma (ue la eficiencia de A& cuando la celda a activar es .& aumenta0+
Por celda Por eficiencia %onjunto de neuronas la intensidad o la fuertemente magnitud de la conectadas a tra$&s cone'in( es decir el de una estructura peso . compleja.
RED6--I3N DE LA DI"ENSI7NALIDAD Los datos de entrada son agrupados en su espacios de una dimensi$n m8s aja (ue la inicial
E12RA--I3N DE -ARA-2ER4S2I-AS -onstru'en nuevos atri utos )pocos* a partir de los atri utos originales )muc5os*
METAS
Reducci$n de la dimensionalidad
EJEM(0OS
2iene como entrada una fotograf%a a<rea ' como salida la ela oraci$n de un mapa+
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
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