Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ESPECIFICACIONES DE LA ACTIVIDAD
Procedimientos:
1. Realizar de forma manual algunos ejercicios para entender el entrenamiento de las dos arquitecturas de red en estudio
(Madaline)
2. Programar la arquitectura de redes neuronales (Madaline) y solucionar los ejercicios propuestos, utilizando interfaces
amigables e integrando el ambiente grafico en tiempo real
3. Analizar aspectos comparativos de resultados de la arquitectura en estudio
4. Tener en cuenta todas las observaciones realizadas al aplicativo anteriormente presentado y ajustar en esta codificación
5. Enviar al aula web un informe que contenga imágenes de cada uno de los ejercicios ejecutados en el o los aplicativos
realizados y la explicación detallada de los resultados obtenidos por cada uno de los ejercicios propuesto con la
arquitectura, para analizar con cual se consiguen mejores resultados y realizar comparaciones de topologías, errores
RMS, numero de capas, numero de neuronas por cada capa y función de activación seleccionada
6. Trabajo para realizar en grupo (dos) integrantes
7. La realización o codificación del o de los aplicativos se debe realizar aplicando el paso a paso visto en clase
8. Fecha límite de la actividad lunes 10 de mayo 11:59 pm
Aplicacion de una Red Neuronal al reconocimiento de la letra „T“ * 1.0
Con este programa se pretende desarrollar una red neural con aprendizaje supervisado, momento y tasa
de aprendizaje adaptativa, para reconocimiento de patrones binarios.
Del mismo modo se desea la descripción de una red que aprenda/reconozca la letra T, modelada por un arreglo
de pixeles 10 x 10.
Haciendo uso de una red perceptron multicapa que permitiese el reconocimiento de la letra T, a través de una
salida binaria: 1 cuando la letra es reconocida y 0 cuando el patrón no se corresponda con el descrito para la
letra.
1 1 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1
0 0 0 0 1 1 0 0 0 0
0 0 0 0 1 1 0 0 0 0
0 0 0 0 1 1 0 0 0 0
0 0 0 0 1 1 0 0 0 0
0 0 0 0 1 1 0 0 0 0
0 0 0 0 1 1 0 0 0 0
0 0 0 0 1 1 0 0 0 0
0 0 0 0 1 1 0 0 0 0
Nótese que la representación de cada letra es única. Se introdujeron otras letras y, en una segunda parte,
fueron generadas aleatoriamente porque la intención era leer esas otras entradas, diferentes a T como un valor
falso.
Se declararon el número de capas y las neuronas a utilizar (20 y 10 respectivamente) y se introdujo el formato
para las letras C,E y T y dos imagenes con ruido del mismo tamaño, por todo son cinco imagenes.
La red neuronal de perceptrón está conformada por una capa de entrada, una capa oculta y una capa de salida.
La capa oculta esta constituida por 20 nodos con función de activación sigmoide.
Una vez que la red ha sido entrenada, se le coloca un vector P de entradas, Con T, otras letras y ruido.
2 Implemente una red con aprendizaje perceptrón y backpropagation que aprenda la siguiente 1.0
función
F(x,y,z) = sen(x)+ cos(y)+z
donde: x, y están en el intervalo [0, 2 pi], z está en el intervalo [-1, 1] Analice 10 patrones
3. Implemente un perceptrón multicapa y backpropagation que aprenda la función lógica XOR, (OR Y AND)
de 2 entradas simule el aprendizaje 1.0
Simule el entrenamiento
3 Dado el circuito lógico semi-sumador, entrenar una red neuronal 2-3-2 con función de activación
sigmoide para sintetizar el mapa de entrada –salida, simule el aprendizaje 1.0
X Y S C
-1 -1 -1 -1
-1 +1 +1 -1
+1 -1 +1 -1
+1 +1 -1 +1
4 Considere la tabla, en esta aparecen los estados de los sensores (S1, S2, S3) de un minirobot y los
estados de sus motores (M1, M2), las demás condiciones no importan. Simule el aprendizaje 1.0
S1 S2 S3 M1 M2
1 1 1 -1 -1
-1 1 1 -1 1
1 1 -1 1 -1
-1 -1 -1 1 1
Donde,
Si =1, obstáculo cerca
Si = -1, obstáculo lejos
Mi = -1, marcha atrás
Mi = 1, marcha adelante
4 Esta red neuronal, está entrenada para diagnosticar un resfriado a partir de los síntomas que se le
indiquen. 1.5
1 Dolor de cabeza No Sí
2 Fiebre No Sí
3 Tos No Sí
4 Dolor de rodilla No Sí
X1 X2 X3 X4 Capa de salida
0 0 0 0 0
1 1 1 1 1
1 1 1 0 1
0 0 0 1 0
0 1 1 0 1
0 1 1 1 1
0 0 1 0 0
0 0 1 1 0
1 0 1 0 1
1 0 1 1 1
W21 2 Fiebre
W31 0 Tos
W01 -1
Simule el entrenamiento
Entrenar una red multicapa 3-3-2 con perceptrón y backpropagation para reproducir la lectura correspondiente a los sensores y la acción de los
motores de un minirobot, utilizando la función de activación sigmoide
X1 X2 X3 d1 d2
Peso evaluativo: La actividad tiene plazo de enviarla (Informe escrito) hasta el 10 de mayo a las 11:59 pm y tiene un peso
evaluativo de 30 % sobre la nota final - Informe: 20% Revisión: 80%