Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Inteligencia Artificial
clase 7b
Arturo Vilca
avilca@uni.edu.pe
posgrado uni-fiee 2017-2
Diseño de la red neuronal
• Recolectar datos
• Crear la red
• Configurar la red
• Inicializar los pesos y biases
• Entrenar la red
• Validar la red
• Usar la red
Bias
• Electronics a steady voltage, magnetic field, or
other factor applied to a system or device to
cause it to operate over a predetermined
range.
http://oxforddictionaries.com/definition/english/bias
Toolbox: Neurona simple
• p entrada
• wp peso x entrada
• b bias
• n = wp + b
• f función de transferencia
• a salida
Funciones de transferencia
• Limitadora
fuerte
• Lineal
• Logarítmica
Sigmoidea
Neurona con múltiples entradas
n = Wp + b
Capa de neuronas
Capas de neuronas
(notación abreviada)
Red multicapas
Red multicapas
(notación abreviada)
Red de perceptrones
La ley de Hebb
• Si 2 neuronas son muy activas al mismo
instante, el peso de la conexión que las une
debe aumentar
(i=1 a n) (j=1 a m)
X Y
Y = W(n,m) X
• Considerando = 1
wij(t) = wij(t-1) + xi yj
W = Y XT
Ejemplo1
• Sea la matriz:
1 0 0
X= 0 1 0
0 0 1
Y= 1 0 1
Ejemplo2
• Memoria que permite saber si un vector de
estímulo comienza en 1 o termina en 1
1 1 0 0
0 1 0 0
X=
0 0 0 1
0 0 1 1
1 1 0 0
Y=
0 0 1 1
• Poco ruido
1 0 0 0
0 1 0 0
Xr1 =
0 0 0 1
0 0 1 1
• Mucho ruido
1 0 0 0
0 1 0 0
Xr2 =
0 1 0 1
0 0 1 1
Compresión de datos y
Reconocimiento de Caracteres
• Función abc.m
• Retorna los vectores de estímulo X y objetivo
T y los caracteres de salida A, B y C
X=Ar(:);
y_in = W*X;
Activación de las neuronas de salida
y_in = W*X;
bj
xi wij yj
j
• WX+B=T
adaline1.m
Vector de entrada X = [1 -0.5]
Vector objetivo T = [0.5 1]
w= -1/3 b=5/6
% Adaline – sistema determinado
clear all
close all
home
% Fase de prueba
% activación
WX = W*X;
% Fase de aprendizaje
% actualización de los pesos
dW = K*error*X';
db = K*error*ones(q,1);
W = W + dW;
b = b + db;