I. Gráfico del patrón de entrenamiento del Perceptron.

a. GPE del Perceptron de:

i. La función lógica (FL) Bicondicional.:

En Matlab

% Conjunto de entrenamiento de la FL Bicondicional:

P = [0 0 1 1; 0 1 0 1];
T = [1 0 0 1];
% GPE del Perceptron de la FL Bicondicional
plotpv(P, T), title ('GPE de la FL Bicondicional')

¿Es entrenable la red?: En este GPE se observa que la red “no

es entrenable”.

Justificación: No se puede graficar una línea de separación (L.S).

ii) La función lógica ~(A XOR B) ∧ A

En Matlab

% Conjunto de entrenamiento de la FL ~(A XOR B)^A:

P = [0 0 1 1; 0 1 0 1];
T = [0 0 0 1];
% GPE del Perceptron de la FL ~(A XOR B)^A
plotpv(P, T), title ('GPE de la FL ~(A XOR B)^A')

¿Es entrenable la red?: En este GPE se observa que la red “Si

es entrenable”.

Justificación: Si se puede graficar una línea de separación (L.S).

iii) La expresión lógica (~A B) ∧ (A v ~C)

En Matlab

% Conjunto de entrenamiento de la FL (~A B) ^ (A v ~C):

P = [0 0 0 0 1 1 1 1;0 0 1 1 0 0 1 1; 0 1 0 1 0 1 0 1];
T = [0 0 1 0 1 1 0 0];
% GPE del Perceptron de la FL ~(A XOR B) ? A
plotpv(P, T), title ('(~A B) ^(A v ~C)')

¿Es entrenable la red?: En este GPE se observa que la red “No

es entrenable”.

Justificación: No se puede graficar un plano de separación.

iv) La expresión lógica ~(A<=>B) <=> ~ C

En Matlab

% Conjunto de entrenamiento de la FL (~A B) ^ (A v ~C):

P = [0 0 0 0 1 1 1 1;0 0 1 1 0 0 1 1; 0 1 0 1 0 1 0 1];
T = [0 0 1 0 1 1 0 0];
% GPE del Perceptron de la FL ~(A XOR B) ? A
plotpv(P, T), title ('(~A B) ^(A v ~C)')

¿Es entrenable la red?: En este GPE se observa que la red “No

es entrenable”.

Justificación: No se puede graficar un plano de separación.

v) La FL :X1=[-0.2 1.0 0.4 -1.0 -1.0 0.5], X2=[1.0 0.8 0.2 -0.4 -0.3 1.0], D1=[1
1 -1 1 1 -1] y D2 = [1 -1 -1 -1 1 1]

En Matlab

% Conjunto de entrenamiento de la FL:

%X1=[-0.2 1.0 0.4 -1.0 -1.0 0.5];
%X2=[1.0 0.8 0.2 -0.4 -0.3 1.0];
X=[-0.2 1.0 0.4 -1.0 -1.0 0.5 ; 1.0 0.8 0.2 -0.4 -0.3 1.0]
% los “-1” serán reemplazados por “0”
D1=[1 1 0 1 1 0]
D2 = [1 0 0 0 1 1]
D=[D1;D2]
% GPE del Perceptron de la
subplot(1,3,1),plotpv(X,D1), title('X con D1')
subplot(1,3,2),plotpv(X,D2), title('X con D2')
subplot(1,3,3),plotpv(X,D), title('X con D, D1 y D2 superpuestas')

¿Es entrenable la red?: En este GPE se observa que la red “no

es entrenable”.

Justificación: No se puede graficar una línea de separación (L.S).

vi) La F.L X1 = [1.2 -1.8 -1.4 0.8 -0.6 0.9 1.0 -0.8 -1.0 0.5],

X2 =[ 0.6 -0.8 -1.4 1.2 -1.0 1.0 0.5 -0.5 -1.0 1.0],

D1=[1 1 0 0 1 1 1 0 0 1] y D2 = [1 1 0 1 1 1 1 0 1 1]

En Matlab

% Conjunto de entrenamiento de la FL:

X1 = [1.2 -1.8 -1.4 0.8 -0.6 0.9 1.0 -0.8 -1.0 0.5];
X2 =[ 0.6 -0.8 -1.4 1.2 -1.0 1.0 0.5 -0.5 -1.0 1.0];
D1=[1 1 0 0 1 1 1 0 0 1];
D2=[1 1 0 1 1 1 1 0 1 1];
% Uniendo X1 y X2 en X y D1 y D2 en D
X=[1.2 -1.8 -1.4 0.8 -0.6 0.9 1.0 -0.8 -1.0 0.5;0.6 -0.8 -1.4 1.2 -1.0
1.0 0.5 -0.5 -1.0 1.0];
D=[1 1 0 0 1 1 1 0 0 1;1 1 0 1 1 1 1 0 1 1];
% Graficando
figure(1)
subplot(1,3,1),plotpv(X,D1), title('X con D1')
subplot(1,3,2),plotpv(X,D2), title('X con D2')
subplot(1,3,3),plotpv(X,D), title('X con D, D1 y D2 superpuestas')

¿Es entrenable la red?: En este GPE se observa que la red “no

es entrenable”.

Justificación: No se puede graficar una línea de separación (L.S).

b. Diseñar un Perceptron de una expresión lógica (EL), que contenga 3

funciones lógicas de 2 y 3 entradas entrenable.

- Perceptron de 2 entradas: sea la expresión logica (AvB) ∧ ~B

En Matlab

% Perceptron de 2 entradas con la EL (AvB) ∧~B

P=[0 0 1 1; 0 1 0 1];
T=[0 0 1 0];
% GPE del Perceptron de la EL (AvB) ? ~B
plotpv(P,T) , title ('(AvB) ∧~B')

En este GPE se observa que la red “es entrenable” porque se

puede graficar una línea de separación (L.S).

- Perceptron de 3 entradas: sea la expresión lógica ~ ((A ∧ B) C)

En Matlab

% Perceptron de 3 entradas con la EL ~((A∧B)=> C)

P=[0 0 0 0 1 1 1 1; 0 0 1 1 0 0 1 1; 0 1 0 1 0 1 0 1];
T=[0 0 0 0 0 0 1 0];
% GPE del Perceptron de la EL ~((A?B)=> C)
plotpv(P,T) , title ('~((A∧ B)=> C')

Esta red de tres entras es entrenable ya que se puede dibujar un plano

de separación.
c. Diseñar un Perceptron de 2 y 3 entradas entrenable, donde cada
entrada tenga 20 valores, con FT hardlims.

- Perceptron de 2 entradas entrenables con 20 valores con FT hardlims

En Matlab

%Perceptron de 2 entradas entrenable con 20 valores, con FT hardlims.

P1=-2:0.15:0.85;
P2=-3:0.25:1.75;
P=[P1;P2]% entradas con 20 valores
%T=[ -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 0 0 0 0]
% Para poder trabajar con la funcion Hardlims los -1 se reemplazaron
por
% "0"
T=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 ];
% GPE del Perceptron de 2 entradas entrenable con 20 valores
plotpv(P,T)
title ('Perceptron de 2 entradas entrenables con 20 valores con FT
hardlims')

Como se observa en la imagen este perceptron es entrenable porque se

puede graficar una línea de separación.

- Perceptron de 2 entradas entrenables con 20 valores con FT hardlims

En Matlab

%Perceptron de 3 entradas entrenable con 20 valores, con FT hardlims.

P1=-2:0.15:0.85;
P2=-3:0.25:1.75;
P3=-1.5:0.125:0.875
P=[P1;P2;P3];
%T=[ -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 0 0 0 0]
% Para poder trabajar con la funcion Hardlims los -1 se reemplazaron
por
% "0"
T=[0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 1 1 ];
% GPE del Perceptron de 2 entradas entrenable con 20 valores
plotpv(P,T)
title ('Perceptron de 3 entradas entrenables con 20 valores con FT
hardlims')

En el grafico se observa que la red es entrenable porque se pudo dibujar

un plano se separación (P.S).