Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Toolbox RN PDF
Toolbox RN PDF
Toolbox de MATLAB”
Instructor:
Agenda
3. Redes Perceptrón
4. Redes Backpropagation
6. Laboratorios
1
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Introducción
2
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Modelo computacional
X1 Wk1
X2 TF
Wk2
Uk
∑ yk
Wkp Threshold
Xp
3
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Función de Transferencia
Es quizás la característica principal de las neuronas, la que mejor
define el comportamiento de la misma. Se encarga de calcular el
nivel o estado de activación de la neurona en función de la entrada
total
Capa de entrada
Capa oculta
Capa de salida
4
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Agenda
3. Redes Perceptrón
4. Redes Backpropagation
6. Laboratorios
5
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
10
11
6
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Funciones de Transferencia
MATLAB cuenta con una gran variedad de funciones de
transferencia dependiendo el fin para el que va a ser utilizada
la red, aquí presentamos 6 funciones:
12
13
7
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
14
15
8
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Notación
IW – pesos de entradas
LW – pesos de capas
LWc1,c2 n1,n2
16
Agenda
3. Redes Perceptrón
4. Redes Backpropagation
6. Laboratorios
17
9
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
El perceptrón
18
PR – matriz de Rx2
a1 b1
a2 b2
aR bR
10
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Proceso de Aprendizaje
21
11
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Learning Process
22
23
12
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Tipos de Entrenamiento
P= Número de T= Número de
entradas salidas
24
25
13
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Sesión práctica
26
mediano mega
chico grande
sensores
27
14
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
0 1 0 1 0 1 0 0 Chico
1 0 0 1 0 1 0 0 Chico
0 1 0 1 1 1 0 1 Mediano
1 0 0 1 1 1 0 1 Mediano
1 1 0 1 1 1 1 0 Grande
1 1 1 1 1 1 1 1 Mega
W1
H1 W0 M1
H1
H0
H0
W1
L1 M0
W0
L0
L1 L0
28
Agenda
3. Redes Perceptrón
4. Redes Backpropagation
6. Laboratorios
29
15
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Redes Backpropagation
30
Arquitectura Backpropagation
16
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Algoritmos Backpropagation
g k – gradiente
Algoritmo Estándar
α k – learning rate
Técnicas -momentum
Heurísticas -lr variable
Algoritmo
Estándar Técnicas -gradiente conjugado
Optimización -Newton (Hessian matrix)
Numérica -Levenberg-M (Jacobian matrix)
32
33
17
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Pre-procesamiento y Post-procesamiento
34
Análisis post-entrenamiento
35
18
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
36
Sesión práctica
Redes Backpropagation
en MATLAB
37
19
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
p t
Output layer
(purelin function)
p
Hidden layer
(tansig function)
38
39
20
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Agenda
3. Redes Perceptrón
4. Redes Backpropagation
6. Laboratorios
40
41
21
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
42
Arquitectura Hopfield
Este tipo de red puede grabar (como una memoria) uno o varios
patrones de entrada, los cuales son presentados como condiciones
iniciales
43
22
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
X1 ´ X´n-1
Xo´
µ n-2
µ n-1
µο
µ1
Xo X1 X n-2 X n-1
44
45
23
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
5 patrones a grabar,
T= con 10 entradas
10x5
nethop = newhop(T);
Sesión práctica
47
24
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
Patrones a grabar: A, I, E, 1, 2
Red Hopfield
48
49
25
Neural Network Toolbox Juan Carlos Moctezuma Eugenio
26