Inteligencia Artificial

Alumno: Luis Alfredo Sullca Huaracca

Profesor: Antonio Moran

Introduccin:

Anteriormente ya se haba realizado la aproximacin de funciones haciendo uso de

mtodos iterativos y directos, pero ahora nos enfocaremos en el uso de redes
neuronales para la aproximacin de funciones. A diferencia de los mtodos anteriores,
las redes neuronales son adaptativas, por lo cual no hay necesidad de precisar un
modelo antes de entrenarla.
Los resultados siguientes, son graficas de los programas solicitados con una breve
descripcin de lo que se puede constatar en dichos grfica. Luego seguir una
pequea conclusin respecto al anlisis de construccin de la red neuronal.

Para mantener la uniformidad en los programas, se hizo uso de los siguientes

parmetros:

1. Numero de neuronas = 5
2. Numero de iteraciones mximo = sin lmite. Depende la convergencia
3. Coeficiente de entrenamiento = 0.2
4. Convergencia Porcentual mnimo = 0.1 %
Funcionamiento de los programas:
Se le solicitara:

Usar Pesos Sinpticos Guardados: Si = 1 o No = 0

Que Mtodo usar: Batch = 1 o Patrn = 0
Si el Mtodo es Batch:
o Usar Bias : Si = 1 o No = 2
Si el Mtodo es Patrn:
o Se usa Bias por defecto
Semana 2: Aproximacin de funciones con Redes
Neuronales
Funcin Lineal
Resultados:
Sin Bias:

Se observa que el tiempo de convergencia sin bias con mtodo batch fue un total de 25000 iteraciones,
donde se llego a un cambio brusco en la iteracin 500 1000 aprox.

Con Bias:
Mtodo Patrn:

Se observa que el tiempo de convergencia con bias por mtodo patrn fue un total de 2500 iteraciones,
donde se lleg a un cambio brusco en la iteracin 1000 aprox.
Mtodo Batch:

Se observa que el tiempo de convergencia con bias por el mtodo batch fue un total de 17500 iteraciones,
donde se lleg a un cambio brusco en la iteracin 1000 aprox.

Conclusiones:

Para los 3 casos se observa un cambio brusco en la convergencia en la iteracin 1000, sin embargo a pesar de
tener dichos cambios bruscos en puntos similares, las pendientes fueron distintas.

La red neuronal por el mtodo patrn con bias es mucho ms rpido que por el mtodo batch.
Red Neuronal que aproxima funcin Cuadrtica
Resultados:
Sin Bias:

Se observa que el tiempo de convergencia sin bias por el mtodo batch fue un total de 500 iteraciones,
donde se lleg a un cambio brusco en la iteracin 0.

Con Bias:
Mtodo Patrn:

Se observa que el tiempo de convergencia con bias por el mtodo patron fue un total de 15 000 iteraciones,
donde se lleg a un cambio brusco en la iteracin 1000 aprox.
Mtodo Batch:

Se observa que el tiempo de convergencia con bias por el mtodo batch fue un total de 150 000 iteraciones,
donde se lleg a un cambio brusco en la iteracin 10 000 aprox.

Conclusiones:
La red neuronal de mayor velocidad de convergencia es para la red neuronal sin bias, pero no con muy bueno
resultados. Por lo que la red neuronal de mayor velocidad de convergencia y con resultados satisfactorios es
la red neuronal con bias por el mtodo patrn, el cual es 10 veces mas rpido.
Red Neuronal que aproxima funcin Cubica
Resultados:
Sin Bias:

Se observa que el tiempo de convergencia sin bias por el mtodo batch fue un total de 9 000 iteraciones,
donde se lleg a un cambio brusco en la iteracin 1000 aprox. Pero no presenta un buena aproximacin a la
funcin cubica.

Con Bias:
Mtodo Patrn:

Se observa que el tiempo de convergencia con bias por el mtodo patrn fue un total de 80 000 iteraciones,
donde se lleg a un cambio brusco en la iteracin 2500 aprox.
Mtodo Batch:

Se observa que el tiempo de convergencia con bias por el mtodo batch fue un total de 350 000 iteraciones,
del cual podemos ver algo particular respecto a las funciones anteriores, podemos ver como la red neuronal
sale de una zona con mnimo local, pues en la parte intermedia su pendiente llega a subir.

Conclusiones:

En esta ocasin solo podemos concluir que el entrenamiento de bias en una red neuronal es fatal, pues
generalmente termina aproximando pesimamente comparado a las redes que hacen uso de bias
Red Neuronal que aproxima funcin Exponencial
Resultados:
Sin Bias:

Se observa que el tiempo de convergencia sin bias por el mtodo batch fue un total de 4 000 iteraciones,
donde se lleg a un cambio brusco en la iteracin 1000 aprox.

Con Bias:
Mtodo Patrn:

Se observa que el tiempo de convergencia con bias por el mtodo patrn fue un total de 2 000 iteraciones,
donde se llega a apreciar una campana en la grfica de la convergencia, pero a pesar de ello llega a
converger muy rpido. Notar que tiene cierto grado de error al aproximar a la funcin exponencial.
Mtodo Batch:

Se observa que el tiempo de convergencia con bias por el mtodo batch fue un total de 500 000 iteraciones.

Su velocidad de convergencia comparada al patrn es 250 veces ms lento.

Notar en la grfica, dicha red neuronal aproxima muy bien a la funcin.

Conclusiones:

Si se quiere tener cierto grado de aproximacin y gran velocidad de convergencia, hay que optar por usar el
mtodo patrn, sin embargo si lo que se busca es precisin al mximo nivel ha de usarse el mtodo batch.
Calculo de Derivadas:
Semana 3: Matlab y el manejo de imgenes
Programa que recorte una imagen y pixelear en otra imagen
de nfilas y ncolumnas introducidas por teclado.
Resultados:
Las caras finales son de 82 filas y 69 columnas, pero estas cantidades se pueden ingresar por teclado.

Conclusiones:

Dependiendo del umbral que se aplique, la matriz cara final tendr ms lugares de color negro que otros.