Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FECHA: 25 / 05 / 2015
TEMA:
1. OBJETIVO GENERAL:
1.1.
OBJETIVOS ESPECIFICOS:
2. MARCO TEORICO:
Perceptron
El perceptrn dentro del campo de las redes neuronales tiene dos
acepciones. Puede referirse a un tipo de red neuronal artificial
desarrollado por Frank Rosenblatt. Y dentro de la misma teora de
Rosenblatt. Tambin puede entenderse como la neurona artificial y
unidad bsica de inferencia en forma de discriminador lineal, es decir,
un algoritmo capaz de generar un criterio para seleccionar un subgrupo, de un grupo de componentes ms grande. La limitacin de este
algoritmo es que si dibujamos en un plot estos elementos, se deben
poder separar con un hiperplano los elementos "deseados" de los "no
deseados". El perceptrn puede utilizarse con otros perceptrones u otro
tipo de neurona artificial, para formar redes neuronales ms
complicadas.
(Wikipedia, 2015)
Comando nnstart
Esto nos permite acceder a las interfaces grficas de usuario para las
siguientes tareas
Funcin de ajuste
Reconocimiento de patrones
Agrupamiento de datos
Anlisis de series temporales
La segunda forma de utilizar la caja de herramientas es a travs de la
operacin de lnea de comandos, que no vamos a cubrir.
(Ranga, 2014)
Compuerta XOR
La puerta XOR, compuerta XOR u OR exclusiva es una puerta lgica
digital que implementa el o exclusivo; es decir, una salida verdadera
(1/HIGH) resulta si una, y solo una de las entradas a la puerta es
verdadera. Si ambas entradas son falsas (0/LOW) o ambas son
verdaderas, resulta en una salida falsa. La XOR representa la funcin
de la desigualdad, es decir, la salida es verdadera si las entradas no son
iguales, de otro modo el resultado es falso. Una manera de recordar
XOR es "uno o el otro, pero no ambos".
(Wikipedia, 2015)
3. DESARROLLO:
3.2.
Mediante nntool
3.3.
Mediante nnstart
Esta pantalla indica los distintos datos que tuvo nuestra red para
ser entrenada como el nmero de iteraciones, el tiempo, etc.
Retornando a la ilustracin 25. Se da clic en next y aparecer la
siguiente pantalla
4. ANALISIS DE RESULTADOS:
4.1. Mediante Script de Matlab
SA
LI
DA
V.
ENTRADAS
SA
LI
DA
R.
0,
00
3
1,
00
01
1,
00
5
0,
00
5
ER
RO
R
0,
03
0,
01
0,
5
0,
05
ERROR
12
10
8
6
4
2
0
4.2.
4.3.
10
Mediante nntool
Mediante nnstart
SA
LI
DA
ENTRADAS
0
0
1
1
12
0
1
1
0
ER
RO
R
5,
3
5,
6
19
,9
4,
1
ERROR
12
10
8
6
4
2
0
10
12
5. CONCLUSIONES:
6. RECOMENDACIONES:
7. BIBLIOGRAFIA:
Wikipedia. (2015, Mayo 11). Wikipedia. Retrieved Mayo 26, 2015, from
http://es.wikipedia.org/wiki/Perceptr%C3%B3n
8. ANEXOS
Mediante Script en Matlab
Mediante nnstar
red=newff([0 1;0 1],[1 1],{'logsig','logsig'}) % creacion red
entrada=[0 0; 0 1; 1 0; 1 1] %entrada de la red
objetivo=[0; 1; 1; 0]
%salida deseada por la red
salida=sim(red,entrada) %simular la red
% Solve an Input-Output Fitting problem with a Neural Network
% Script generated by NFTOOL
% Created Tue May 26 00:58:10 COT 2015
%
% This script assumes these variables are defined:
%
% entrada - input data.
% objetivo - target data.
x = entrada';
t = objetivo';
% Create a Fitting Network
hiddenLayerSize = 8;
net = fitnet(hiddenLayerSize);
% Choose Input and Output Pre/Post-Processing Functions
% For a list of all processing functions type: help nnprocess
net.input.processFcns = {'removeconstantrows','mapminmax'};
net.output.processFcns = {'removeconstantrows','mapminmax'};