Práctica No. 0. Reconocedor de vocales.

Usando redes neuronales artificiales en Matlab:

1.-Hacer un reconocedor de vocales.
2.-Elaborar el reporte y anexar los pesos y ganancias que obtienes en cada capa.
3.- Analizar que hace el código, que se anexa (Programa en Matlab) y describir
paso a paso

Por ejemplo, Anexo de pesos y ganancias:

%pesos primera capa
w1=[-3.2930;-6.8880;0.2206;-6.2467;1.4182;1.0807;4.7127;-2.7247;3.0326];
w2=[3.7103;0.0194;3.9162;-4.4727;-1.3636;3.7702;2.2483;-0.3017;-2.4239];
w3=[0.5222;-8.3106;-1.0994;4.6503;-0.5807;-3.7657;2.1911;-2.9677;1.5288
];
bias1=[6.1455;-3.7893;3.6683];
presentar los de la segunda capa y así sucesivamente si hubiera más de dos
capas. Porque estos datos son los que vamos a utilizar, para llevarlos al
microntrolador.
Anexo Programa de código en Matlab
%entrada:dato1
dato1=[0;1;0;1;1;1;1;0;1];
%pesos primera capa
w1=[-3.2930;-6.8880;0.2206;-6.2467;1.4182;1.0807;4.7127;-2.7247;3.0326];
w2=[3.7103;0.0194;3.9162;-4.4727;-1.3636;3.7702;2.2483;-0.3017;-2.4239];
w3=[0.5222;-8.3106;-1.0994;4.6503;-0.5807;-3.7657;2.1911;-2.9677;1.5288
];
bias1=[6.1455;-3.7893;3.6683];
%resultado nuevas entradas: d1, d2, d3
d1=logsig(sum(dato1.*w1)+bias1(1));
d2=logsig(sum(dato1.*w2)+bias1(2));
d3=logsig(sum(dato1.*w3)+bias1(3));
%entrada nueva: dat123
dat123=[d1;d2;d3];
%pesos segunda capa
w4=[-15.4437;-0.1182;-0.0490];
w5=[-0.1369;10.6499;-14.5382];
w6=[1.2766;5.6682;13.43312];
bias2=[7.4544;-2.1463;-13.4441];
%resultado esperado de la red
d4=logsig(sum(dat123.*w4)+bias2(1))
d5=logsig(sum(dat123.*w5)+bias2(2))
d6=logsig(sum(dat123.*w6)+bias2(3))