Documentos de Académico
Documentos de Profesional
Documentos de Cultura
NEURONALES ARTIFICIALES
INDICE
CENTRO DE INSRUMENTOS
UNAM.
1. INTRODUCCION
Bosquejo histrico
La neurona artificial
El Perceptrn
La Adaline
Redes de Hopfield
Redes de Memoria Asociativa Bidireccional
Tipos de aprendizaje
Aprendizaje por retropropagacin del error
5. APLICACIONES POTENCIALES
Diagnstico
Procesamiento de seales
Procesamiento y anlisis de imgenes
Control Automtico y Robtica
Anlisis y generacin de lenguaje natural
7. BIBLIOGRAFIA.
1. INTRODUCCION
Bosquejo histrico
S = wi xi (1)
.
y = 1 si S > U
y = 0 si S < U
w1 = w0 + (t - y) (2)
w1 = w0 + x (t - y) (3)
W = yiT yi (5)
i
donde yi es el isimo
vector a reconocer (memoria),
expresado como vector rengln, yiT yi es la matriz de pesos
correspondiente al isimo vector a reconocer y la sumatoria
abarca todas las matrices de pesos correspondientes a todos
los vectores (memorias) a reconocer. (Wasserman 1989)
1
E = - 2 wjixjxi
(7)
ji
b = F (a W) (9)
.
a = F (b WT) (10)
W = aiT bi (10)
i
donde:
tj = la salida deseada de la neurona j
yj = la salida real de la neurona j
f'(x) = la derivada de la funcin activadora sigmoidal
f(x) en el punto x
Sj = la suma ponderada de las entradas a la neurona j.
Despus, se calcula el valor del error j para cada
neurona intermedia j en la forma siguiente:
wji = j ai (13)
donde:
j = el valor de error de la neurona posterior
ai = el valor de salida real de la neurona anterior
= la tasa de aprendizaje
1. Diagnstico
2. Procesamiento de seales.
3. Procesamiento y anlisis de imgenes.
4. Control automtico y robtica.
5. Anlisis y generacin de lenguaje natural.