Scientia et Technica Año XVIII, No xx, Mesxx de Añoxx. Universidad Tecnológica de Pereira.

ISSN 0122-1701 1

Entrenamiento de un perceptrón
Training a perceptron

Andrés Felipe Bravo Giraldo

Universidad Tecnológica de Pereira, Pereira, Risaralda, Colombia
Correo-e: andresfelipe.bravo@utp.edu.co

Resumen— En este documento se puede observar de manera general En el proceso de entrenamiento el perceptrón se expone a un
como una red neuronal artificial tiene comportamiento similar a una conjunto de patrones de entrada y los pesos de la red son
red neuronal natural, de tal manera que la red neuronal artificial tiene ajustados de forma que al final de entrenamiento se obtengan
el poder de aprender de tal forma que asimila el aprendizaje obtenido las salidas esperadas para cada unos de esos patrones de
por una red neuronal natural, es decir, un sistema implementado en entrada.
computadora, cuya característica sea el aprendizaje en este caso por
entrenamiento, va a tener un comportamiento bastante similar al
comportamiento evidenciado en el cerebro humano.
ALGORITMO DE ENTRENAMIENTO
Cabe anotar la importancia que tiene el cerebro humano en resolver
problemas y también es evidente el ritmo de aprendizaje que este El algoritmo de entrenamiento del perceptrón puede resumirse
puede mostrar, no por más es considerado la computadora mas en los siguientes pasos:
poderosa que existe. Se inicializa la matriz de pesos y el valor de la ganancia, por
lo general se asignan valores aleatorios a cada uno de los
pesos Wi y al valor B
I. INTRODUCCIÓN
Se presenta el primer patrón a la red, junto con la salida
“Una red neuronal artificial es un procesador distribuido en esperada en forma de pares entrada / salida
paralelo de forma masiva que tiene una tendencia natural para Se calcula la salida de la red por medio de:
almacenar conocimiento de forma experimental y lo hace a = f(w1p1+w2p2+b)
disponible para su uso” (Aldabas, 2012). Las redes neuronales
actualmente son una tecnología en desarrollo, aunque aún no
se ha alcanzado su máximo desarrollo han proporcionado una
alternativa a la computación clásica. Las redes neuronales no
ejecutan una secuencia de operaciones, sino que responden en III. CONCLUSIONES
paralelo a las entradas que se les presenta.
Las conclusiones son obligatorias y deben ser claras. Deben
Resulta irónico pensar que maquinas de computo capaces de expresar el balance final de la investigación o la aplicación del
realizar 100 millones de operaciones en coma flotante por conocimiento.
segundo, no sean capaces de entender el significado de las
formas visuales o de distinguir entre distintas clases de
objetos. Los sistemas de computación secuencial, son exitosos
en la resolución de problemas matemáticos o científicos, en la
creación, manipulación y mantenimiento de bases de datos, en REFERENCIAS
comunicaciones electrónicas, en el procesamiento de textos,
gráficos y auto edición, incluso en funciones de control.
http://grupo.us.es/gtocoma/pid/pid10/RedesNeuronal
es.htm

II. CONTENIDO http://disi.unal.edu.co/~lctorress/RedNeu/LiRna004.pd

f
ENTRENAMIENTO

Fecha de Recepción: (Letra Times New Roman de 8 puntos)

Fecha de Aceptación: Dejar en blanco