El entrenamiento (en el tema de la redes neuronales es encontrar los valores de los pesos

sinápticos y de las predisposiciones de una red neuronal que nos darán un comportamiento
deseado.)

[]
P1= 2 t 1=0
2

[−21 ] t =1
P 2= 2

P=3[−22] t =0
3

P=4[−11] t =1
1

W ( 0 ) =[ 0 0 ] b ( 0 )=0 // Valores iníciales de la neurona

Empezando con el vector de entrada P1 se necesita multiplicar

W ( 0 )∗P1=[ 0 0 ]
[ 22]=0∗2+0∗2=0
Entonces

W ( 0 )∗P1+ b ( 0 )=0

Lo siguiente es evaluar HardLim

Hardlim=
{ 0 ℘+ b<0
1℘+ b ≥0

El axón tiene el valor

a=Hardlim ( W ( 0 )∗P1 +b ( 0 ) ) =1

El error es el valor objetivo (target) menos el axón

e=t 1−a=0−1=−1

Como el error es diferente de cero, necesario es modificar los pesos y la predisposición

t
W new =W old +e P
 []
t
2
W ( 1 )=[ 0 0 ] + (−1 ) =[ 0 0 ] +(−1)[ 2 2 ]
2

W ( 1 )=[ 0 0 ] + [ −2 −2 ]= [−2 −2 ]

En este punto esta lista la primera iteración para los pesos

Ahora debe cambiar la predisposición

b new=b old + e

b ( 1 )=b ( 0 ) +e=0−1=−1

En este punto del algoritmo tenemos

W ( 1 )=[ −2 −2 ] b ( 1 )=−1 // Valores entrenados con el primer vector de prueba

Y colocamos la información del vector de prueba dos.

P 2=
[−21 ] t =1
2

a=Hardlim¿

El error

e=t 2−a=1−1=0

Cuando el error vale cero, W y b no cambian

W ( 2 )=[ −2 −2 ] b ( 2 )=−1 // Valores entrenados con el primer vector de prueba

Para el tercer vector

[ ]
P3= −2 t 3 =0
2

Encontraremos el axón

( [ ] )
a=Hardlim [ −2 −2 ] −2 + (−1 ) =Hardlim ( 4−4−1 ) =0
2

Entonces el error

e=t 3−a=0−0=0

Como el error es cero

W ( 3 )= [−2 −2 ] b ( 3 ) =−1 // Valores entrenados con el tercer vector de prueba

Ahora vamos a entrenar con el vector de prueba cuatro.

[−11] t =1
P4 = 4

(
a=Hardlin [ −2 −2 ]
[−11] +(−1))=Hard lim ( 2−2−1)=0
El error es e=t 4 −a=1−0=1

Por lo tanto hay que hacer cambios

[ ]
t
−1
W ( 4 )= [−2 −2 ] + (1 ) = [−2 −2 ] + ( 1 ) [ −1 1 ]= [−3 −1 ]
1

b ( 4 )=b ( 3 ) +e=−1+1=0

W ( 4 )= [−3 −1 ] b ( 4 )=0 // Valores entrenados con el cuarto vector de prueba

Aquí no termina todavía faltan volver a entrenar con los vectores de prueba 1 y 2 y alcanzaremos
la convergencia o solución de este entrenamiento.