Curso Inteligencia Artificial

Primera actividad
Fecha de elaboración: Noviembre 28 de 2020

Con base a lo visto en relación al estudio de redes neuronales, resuelva los siguientes problemas:

1. Dado el siguiente vector de entrada y el siguiente vector de pesos:

0.5 −0.1
0.7 0.2
𝑋 = 0.1 y 𝑊 = −0.3
0.2 0.4
(0.8) ( 0.7 )

a) Calcular la activación de la neurona correspondiente: 𝑎 = ∑5𝑖=1 𝑤𝑖 𝑥𝑖 .

b) Calcular el valor a la salida de la neurona suponiendo una función de activación tipo:

1 𝑠𝑖 𝑎 ≥ 𝜃
𝑦={
0 𝑠𝑖 𝑎 < 𝜃

Suponga los siguientes valores de 𝜃 = −1,0.0,1.

2. Dado los mismos vectores de entrada y de pesos que el problema 1:

a) Calcular la activación de la neurona correspondiente: 𝑎 = ∑5𝑖=1 𝑤𝑖 𝑥𝑖 .
b) Calcular el valor a la salida de la neurona suponiendo una función de activación tipo:

1 𝑠𝑖 𝑎 ≥ 𝜃
𝑦={
−1 𝑠𝑖 𝑎 < 𝜃

c) Suponga los siguientes valores de 𝜃 = −1,0.0,1.

3. Dado los mismos vectores de entrada y de pesos que el problema 1:

a) Calcular la activación de la neurona correspondiente: 𝑎 = ∑5𝑖=1 𝑤𝑖 𝑥𝑖 .
b) Calcular el valor a la salida de la neurona suponiendo una función de activación tipo sigmoidal:

1
𝑦=
1 + 𝑒 −𝑎

4. Dado los mismos vectores de entrada y de pesos que el problema 1:

a) Calcular la activación de la neurona correspondiente: 𝑎 = ∑5𝑖=1 𝑤𝑖 𝑥𝑖 .
b) Calcular el valor a la salida de la neurona suponiendo una función de activación tipo tangente
hiperbólica:

𝑒 𝑎 − 𝑒 −𝑎
𝑦=
𝑒 𝑎 + 𝑒 −𝑎

5. Dado los mismos vectores de entrada y de pesos que el problema 1:

a) Calcular la activación de la neurona correspondiente: 𝑎 = ∑5𝑖=1 𝑤𝑖 𝑥𝑖 .
1
 b) Calcular el valor a la salida de la neurona suponiendo una función de activación tipo ReLU:

𝑦 = max(0, 𝑎)

6. Suponga la siguiente imagen en niveles de gris y haga lo siguiente:

0 0 0 0 0 0 0
0 0 1 1 0 0 0
0 1 0 1 0 0 0
0 0 0 7 7 7 0
0 1 1 7 7 7 0
0 0 1 7 7 7 0
0 0 0 0 0 0 0

a) Convolucione la imagen con los siguientes dos filtros:

−1 0 1 −1 −1 −1
𝑐1 = [−1 0 1] y 𝑐2 = [ 0 0 0]
−1 0 1 1 1 1

Va a obtener dos imágenes 𝑓1 y 𝑓2 de 5 × 5 píxeles. Muestre estas dos imágenes.

b) Sobre estas dos imágenes, aplique la función ReLU: 𝑦 = max(0, 𝑓). Muestre estas dos imágenes.

7. Dado el siguiente problema, entrene manualmente una neurona tipo TLU para resolver el problema.
Una vez entrenada la RNA, clasifique los puntos: (2,1) y (5,3). Recordar que la condición de disparo
ocurre cuando: 𝑎 = 𝜃 = 𝑤1 𝑥1 + 𝑤2 𝑥2 . Como se vio en clase use la ecuación de la recta: 𝑥2 =
𝑤 𝜃
− (𝑤1 ) 𝑥1 + (𝑤 ) para obtener la recta de separación entre clases.
2 2

8. Dado el siguiente problema, proporcione une solución con una RNA compuesta de tres neuronas como
se muestra (dos neuronas en la capa intermedia y una a la salida). Suponga que las tres neuronas son
del tipo TLU. Haga lo siguiente:

a) Entrene cada neurona de la capa intermedia de forma que los conjuntos de patrones queden separados
unos de otros.
b) Entrena la neurona de salida de forma que la RNA total pueda realizar la clasificación correspondiente
de los patrones de las dos clases.
2
 c) Demuestre que la capa escondida (intermedia de neuronas) logra mapear a los patrones de entrada de
forma que queden linealmente separables, en el espacio 𝑠1 -𝑠2 .
d) Determine la clase de pertenencia de los patrones: (2,4) y (3,3) mediante la RNA entrenada. Uno debe
puesto en una clase y el otro en la segunda clase.

𝑥1

𝑥2

𝑤11 𝑠1
𝑤31
𝑥1 𝑤12 𝑠3
𝑤13
𝑥2 𝑤21 𝑠2
𝑤32 𝑤33
𝑤22
𝑤23

Los 5 primeros problemas valen 0.25 puntos cada uno; el sexto problema vale 0.75 puntos; el séptimo problema
vale 1 punto; el octavo problema vale 2 puntos, para un total de 5 puntos.

Prepare un reporte completo en WORD de todas sus experiencias.

El nombre del archivo debe tener el siguiente formato: Tarea 03 su nombre completo.

Fecha de entrega límite: Diciembre 3 de 2020. No se admite retraso ya que la entrega de calificaciones debe ser
el 5 de diciembre.

Enviar al correo: humbertosossa@gmail.com