Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Abstract—. This paper focuses on the Implementation,
Training and Analysis of Robot with sensors, analyzes the
perceptron response, varying quality and quantity of training
matrix
net=adapt(net,Entrada_Conocida,Salida_Conocida);(4)
Salida_Conocida =
III. ANÁLISIS DE LAS SOLUCIÓN ENTREGADA POR LA RED
1 -1 1 1 (9)
Para el análisis se tomo (3) como entrada las respuestas 1 1 1 -1
posibles teniendo como preferencia tomar derecha y avanzar,
incluso si podía girar. Lo que se puede representar, para las
entradas (S1, S2 y S2) con un -1 entrada sin obstáculos, 1 Entrada_Analizar =
entrada con obstáculo, para las salidas (M1, M2) avance de
motor 1, retroceso de motor -1. 1 -1 1 -1 1 -1 1 -1
1 1 -1 -1 1 1 -1 -1 (10)
1 1 1 1 -1 -1 -1 -1
Entradas Salidas
S1 S2 S3 Situación M1 M2 resultado
1 1 1 X X X -1 -1 Salida =
1 1 -1 X X 1 -1
1 -1 1 X X 1 1 -1 -1 1 -1 1 -1 1 1 (11)
-1 1 1 1 -1 -1 -1 1
1 -1 -1 X 1 -1
-1 1 1 X X -1 1
-1 1 -1 X -1 -1 Al comparar las salidas (7) y (11) no existen diferencias con
-1 -1 1 X -1 1 menos infamación inicial el sistema llega a la misma respuesta
-1 -1 -1 1 1
Nuevamente eliminamos más información de entrenamineto a
una matriz de 3x3
Tabla 2 Entradas de los sensores y salidas completas (S1, S2, S3, M1, M2),
las líneas en azul son dados como condiciones iníciales.
Entrada_Conocida =
Al ejecutar el programa usando la función Sim apoyados de
-1 1 1
Salida = sim (net, Entrada_Analizar)(6) 1 -1 1 (12)
1 1 -1
Se verifica como respuesta la siguiente matriz
Salida = Salida_Conocida =
-1 -1 1 -1 1 -1 1 1 (7) -1 1 1 (13)
-1 1 1 1 -1 -1 -1 1 1 1 -1
1 -1 1 -1 1 -1 1 -1
1 1 -1 -1 1 1 -1 -1 (14)
IV. VERIFICACIÓN E IMPLEMENTACIÓN CON MENOS 1 1 1 1 -1 -1 -1 -1
INFORMACIÓN INICIAL
Para validar el sistema se cambiaron la condiciones iníciales
Salida =
matriz 4x4 , entrenando al sistema con menos información
inicial y estas fueron las condiciones iníciales y respuesta
-1 -1 1 -1 1 -1 1 1 (15)
-1 1 1 1 -1 -1 -1 1
Entrada_Conocida =
-1 -1 1 1
Al comparar las salidas (7), (11) y (15) no existen diferencias
-1 1 -1 1 (8)
con menos infamación inicial el sistema llega a la misma
-1 1 1 -1
RCGCalume 3
Entrada_Conocida =
-1 1
1 -1 (16)
1 1
-1 1 (17)
1 1 Reajustamos en entrenamiento de forma que, si no hay ningún
obstáculo avanza y si hay un obstáculo en en cualquier flanco
retrocede
Entrada_Analizar =
Entrada_Conocida =
1 -1 1 -1 1 -1 1 -1
-1 1
1 1 -1 -1 1 1 -1 -1 (18) -1 1 (20)
1 1 1 1 -1 -1 -1 -1 -1 1
Salida = Salida_Conocida =
-1 -1 1 -1 1 -1 1 1 (19) 1 -1 (21)
1 1 1 1 1 1 1 1 1 -1
Salida =
-1 -1 -1 1 -1 1 1 1 (23)
-1 -1 -1 1 -1 1 1 1
Salida_Conocida =
-1 (29)
-1
Fig 4 Entrada_Analizar =
Salida_Conocida =
1 -1 (25)
1 -1
Entrada_Analizar =
1 -1 1 -1 1 -1 1 -1
1 1 -1 -1 1 1 -1 -1 (26) Fig 5 Onstaculos en ambos flancos
1 1 1 1 -1 -1 -1 -1
Salida =
Salida = 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 (32)
-1 -1 1 1 -1 -1 1 1
-1 -1 1 1 -1 -1 1 1 (27) La salida es muy interesante pues aunque se “negó ” la entrada
la salida final no fue (31) negado
En esta ocasión la salida (27) es consecuente con un modelo Con 2 entradas como figura 1 y figura 4 vemos
sin errores,
Entrada_Conocida =
Por último se aplica el software entrenándolo solo para que
retroceda si hay un obstáculo en frente -1 1
1 -1 (33)
RCGCalume 5
-1 1 V. CONCLUSION
REFERENCIAS
[1] Bonifacio M. del Brio., S. M. Alfredo “Redes neuronales y sistemas
difusos,” 2nd ed. vol. 1, RA-MA, Ed. Alfaomega,
[2] Moore, holly Matlab para Ingenieros Editorial: Pearson ISBN: 970-26-
1082-6