Documentos de Académico
Documentos de Profesional
Documentos de Cultura
10001001
00010101
Las redes neurales son estructuras
00100110 topológicas constituidas por elementos de
Esta tabla, la cual representa la
01010101 cómputos denominados neuronas. Por su
ex periencia de un operador humano de un
10101001 nombre, es de deducir que estas
robot con dos motores eléctricos con estructuras son símiles matemáticos de
control del avance / retroceso y dos las estructuras que constituyen el tejido
sensores del tipo bumper ( derecho / nervioso del cerebro humano, mientras
izquierdo ), es una guía para cualquier que la neurona es un símil de la neurona
otro operador sin ex periencia en el humana.
control de este robot. Es en si un Sistema En cierta medida, la similitud es valida,
Ex perto cuyo conocimiento esta solo que el mecanismo de operación de la
estructurado en una tabla de búsqueda. De neurona humana aun no ha sido
acuerdo al estatus de ambos sensores ( en completamente entendido. Lo único que
tiempo real y 1 segundo antes ), el mismo se sabe que consiste en un fenómeno de
sabe como debe manipular los motores disparos de picos de potencial
del robot. electroquímico interno de la célula, las
Esta tabla puede servir como base para la cuales ocurren con una frecuencia
elaboración de un circuito basado en aparentemente al azar, pero que en
álgebra booleana, cuya representación realidad tienen algún significado interno
son circuitos integrados con compuertas codificado en la frecuencia de ocurrencia
NAND, AND, NOR, OR y NOT. Sin del fenómeno o el tiempo de demora de la
embargo, este esquema, aunque muy respuesta de la célula a un estimulo
factible, adolece de un defecto ex terno.
fundamental : su pobre flexibilidad en En lo que si es similar, es que,
caso de replantearse la tabla y la dependiendo de la intensidad de los
imposibilidad de incorporar esquemas de
estímulos alimentados a la neurona en sus
autoadiestramiento del sistema en caso de
conexiones de entrada, se produce un
plantearse situaciones operacionales
nuevas o cambio en las condiciones de los efecto acumulativo el cual, en caso de
sensores y los motores eléctricos del superar cierto umbral de salida, produce
robot. una respuesta en la salida de la neurona.
Es por esta razón que se decidió ex plorar De esta manera, una neurona artificial se
la incorporación de la tecnología de redes convierte en un dispositivo binario que
neurales para darle a un robot prototipo, puede dar una salida o no, dependiendo
•de:La intensidad de las señales de
llamado HUGO, un sistema de control
entrada ( o bien la presencia o no de
basado en dicha tecnología, el cual fuera
señal en dichas neuronas).
la base de sistemas mas avanzados tales
• El peso o intensidad que tiene cada
como robots que hagan uso de esquemas conexión con la entrada de la neurona.
• El valor de umbral para la respuesta Existen dos mecanismos de
de la neurona. adiestramiento o entrenamiento de una
red neural:
Adaptando dichos parámetros, así como
haciendo combinaciones de neuronas • Adiestramiento supervisado : en el
artificiales, se puede crear una topología cual se le proporciona a la red
denominada red neural, la cual puede ejemplos de vectores de entrada
hacer diversas funciones, todas ellas con sus respectivas salidas y los
orientadas a reproducir patrones de pesos son ajustados para lograr
respuesta deseadas en muchas que la red neural reproduzca en lo
aplicaciones practicas. mas posible dichos patrones de
ejemplo. A este respecto, debe
decirse que la red neural se
convierte en una especie de
sistema experto. Existen dos tipos
de redes de este
o Redes tipo:
de retropropagación
:enelcualelajustedelos
pesos se obtiene por un
mecanismo de
retroalimentación el cual
cambia los pesos en
función directa lineal o no
de la velocidad de
variación del error de
ajuste de la prediccion de
la red vs. los valor
deseados de salida de la
red.
o Redes de Hamming : en el
cual los pesos se obtienen
directamente de la
operación de los vectores
de entrada con los vectores
de salida deseados de la
2.1. Entrenamiento Supervisado de red. La red es capaz de
Neuronas procesar patrones de
entrada a la red, buscando
De los puntos mencionados arriba, los patrones de salida lo mas
pesos de conexión y el umbral de disparo similar posible a los
de la salida de los mismos, así como la patrones usados para el
forma en que dicho disparo sucede, son calculo de estos pesos.
• Adiestramiento no Supervisado :
parámetros de algo denominado en el cual no se tienen patrones de
entrenamiento de una Red Neuronal. ejemplo para adriestar a la red.
Estas rede, cuyo ejemplo típico es
el de las redes de Hebbianas,
hacen uso del reforzamiento de • función de transferencia “Winner
aquellos pesos que favorezcan Takes All”. En ella, la salida de
comportamientos deseables de la dos o mas neuronas son
salida de la red, mientras que evaluadas, de forma tal que las
desfavorece los pesos neuronas con salida mas alta son
responsables de comportamientos las que sobreviven. En este caso,
no deseables. Un tipo particular de la neurona con mayor valor de
estas redes son las del tipo de salida toma el valor 1, mientras
adiestramiento no supervisado con sus vecinas toman el valor 0. Esta
reforzamiento. función es muy usada cuando se
desea evitar conflictos en salidas
En este trabajo haremos uso del modelo
de dos neuronas que de otra
de adiestramiento supervisado por el
forma darían salida 1 con las dos
método de retropropagación .
primeras funciones de
2.2. Funciones de Transferencia transferencia descritas.
3. La Red Neural de HUGO
En las redes neuronales, el valor de las
entradas se multiplica por un peso, el cual Haciendo uso de la facilidad de
es un valor que pertenece al campo de los MATLAB para el adiestramiento por el
números reales. Esto implica que la salida modelo de backpropagation de redes
de una neurona es un valor real, el cual neurales, se determinan los pesos de la
puede ser útil en algunos casos, pero siguiente topología de la red neural del
inútil en la mayoría de ellos. A fin de dar robot móvil HUGO:
aplicabilidad a dicho valor, se aplica a la
salida de la neurona una función de X1R YRF
transferencia, la cual puede ser de muchos
tipos. Algunos de los mas comunes son X2R WTA
YRB
las siguientes:
• función de transferencia umbral : X1L YLF
por debajo de cierto valor ,
denominado umbral, la salida de X2L YRB
la neurona es cero. Cuando la WTA
salida es igual o mayor a ella, la
salida es 1.
simrobot = setvel(simrobot,[0.5*motor_izquierdo
,0.5*motor_derecho]);
new = simrobot;
Figura 4.3 Listado del programa de
control del Robot simulado
global X;
global Y;
global motor_derecho motor_izquierdo
X = [0 0 0 0]' Figura 5.1 Recorrido típico del robot
Y = [1 0 1 0]'
motor_derecho = 1
simulado HUGO
motor_izquierdo =1
simview
6. Construcción del prototipo real