Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Arquitectura de red
Sistemas
Teoría deBasados en Conocimiento
la Lenguajes y Compiladores FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
4.1 Aprendizaje
3
Sistemas
Teoría deBasados en Conocimiento
la Lenguajes y Compiladores FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Tipos de Aprendizaje
• Aprendizaje Supervisado
• Entrada, salida, objetivo
• Aprendizaje No supervisado
• entrada, salida
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Reglas de Aprendizaje
• Aprendizaje Supervisado
A la red se le proporciona un conjunto de ejemplos del
comportamiento propio de la red (inputs/targets)
• Aprendizaje No supervisado
Las entradas son las unicas disponibles para el aprendizaje,
el algoritmo de la red aprende a categorizar las entradas
(clustering)
3
Sistemas
Teoría deBasados en Conocimiento
la Lenguajes y Compiladores FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje Supervisado
Se realiza mediante un entrenamiento controlado por un agente
externo (supervisor, maestro), que determina la respuesta que
debería generar la red a partir de una entrada determinada.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje Por corrección de Error
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Redes que utilizan el aprendizaje por corrección
de Error
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
4.3 Aprendizaje
No
Supervisado
Algoritmos
3
Sistemas
Teoría deBasados en Conocimiento
la Lenguajes y Compiladores FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje no Supervisado
El aprendizaje no
supervisado o
autosupervisado no hay
un maestro o critico
externo para supervisar
el proceso de
aprendizaje. No existen
ejemplos etiquetados de
la función que será
aprendida por la red.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Redes con Aprendizaje no Supervisado
También llamado autosupervisado, no requieren influencia
externa para ajustar los pesos de las conexiones entre sus
neuronas.
existen varias posibilidades en cuanto a la interpretación de la
salida de estas redes, que dependen de su estructura o del
algoritmo de aprendizaje empleado los casos de salida pueden
representar:
• grado de familiaridad o similitud entre la información que se
presenta a la entrada y las informaciones que se han
mostrado hasta entonces.
• Agrupamiento o establecimiento de categorías.
• Prototipado, es decir obtener ejemplares representantes de
las clases a las que pertenecen las informaciones de entrada.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Redes con Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Redes con Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no Supervisado
• Aprendizaje Asociativo
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no Supervisado
Ejemplos de Redes con Aprendizaje Competitivo y Cooperativo:
LVQ (Learning Vector quantization) Kohonen.
• Cognitron y Neocognitron (Fukushima).
• SOM (Kohonen).
• ART (Carpenter y Grossberg).
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no
Supervisado
Metas del Aprendizaje No supervisado
• El encontrar grupos de información
• Reducción de la dimensionalidad
• la Construcción de mapas topográficos
• el encontrar las causas ocultas o fuentes de datos
• Modelar la densidad de datos
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje no Supervisado
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
4.4 Aprendizaje
Por Refuerzo
Algoritmos
3
Sistemas
Teoría deBasados en Conocimiento
la Lenguajes y Compiladores FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje Por Refuerzo
Aprendizaje por
Reforzamiento.
El aprendizaje de una
comparación entrada/salida
se desempeña a través de
la interacción continua del
medio ambiente de tal
forma que se minimice un
índice escalar de su
desempeño.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Aprendizaje Por Reforzamiento
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje Por Refuerzo
• Algoritmo Lineal con Recompensa y penalización (Linear
Reward - Penalty), Narendra /Thathacher.
• Algoritmo Asociativo con recompensa y penalización (Barto /
Anandan).
• Adaptive Heuristic Critic (Barto, Sutton, Anderson).
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje Por Refuerzo
Aprendizaje por Refuerzo
Es un aprendizaje supervisado mas lento que el anterior que
se basa en la idea de no disponer de un ejemplo completo del
comportamiento deseado, es decir, la función del supervisor se
reduce a indicar mediante una señal de refuerzo si la salida de
la red se ajusta a la deseada (éxito=1, fracaso=-1) y en función
de ello se ajustan los pesos basándose en un mecanismo de
probabilidades.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje Por Refuerzo
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje Estocástico
Aprendizaje Estocástico
Este tipo de aprendizaje consiste en básicamente en realizar
cambios aleatorios en los valores de los pesos de las
conexiones de la red y evaluar su efecto a partir del objetivo
deseado y de distribuciones de probabilidad.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje estocástico
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Algoritmos de Aprendizaje Por Reforzamiento
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
4.5 Tipos e
Asociación
Entrada/Salida
3
Sistemas
Teoría deBasados en Conocimiento
la Lenguajes y Compiladores FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Tipos de Asociación Entrada/salida
Heteroasociación:
Se refiere al caso en el que la red aprende parejas de datos; de
tal forma que cuando se presente cierta información de entrada
A i , deberá responder generando la correspondiente salida
asociada Bi.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Tipos de Asociación Entrada/salida
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Tipos de Asociación Entrada/salida
Características de las Redes Hetereoasociativas
Precisan al menos de dos capas.
• Conectividad:
• Con conexiones hacia delante (Perceptrón, Backpropagation,
etc..)
• Con conexiones hacia atrás (Art, Bam, etc..)
• Con conexiones laterales (CABAM)
• Con capas multidimensionales (Neocognitron).
• Aprendizaje
• Con supervisión (Perceptron, Backpropa-tion, etc..)
• Sin supervisión (Art, Bam, etc.)
• Objetivo de utilización
• Computar una función general de entrada.
• Clasificación de datos de entrada.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Tipos de Asociación Entrada/salida
Redes Autoasociativas
Una red autoasociativa asocia una información de entrada con
el ejemplar más parecido de los almacenados conocidos por la
red. De esta manera, su principal misión es reconstruir una
determinada información de entrada que se presenta
incompleta o distorsionada.
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Tipos de Asociación Entrada/salida
4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres
Tipos de Asociación Entrada/salida
REPRESENTACIÓN DE LA INFORMACIÓN DE ENTRADA Y
SALIDA.
Las neuronas pueden también clasificarse por el tipo de entradas y
salidas que manejen.
Así unas redes manejaran valores analógicos en sus entradas y
salidas, es decir valores reales continuos. Cuando esto ocurre las
funciones de activación de las neuronas serán también continuas,
del tipo lineal o sigmoidal.
Otras redes admiten solamente valores discretos o binarios (0, 1) en
sus entradas y salidas, en este caso las funciones de activación
serán del tipo escalón. Existen un tipo de redes que podrían
denominarse como híbridas en los que los valores de entrada
pueden ser valores continuos, aunque las funciones de salida sean
discretas. 4
Sistemas
Sistemas Basados
Basados en
en Conocimiento
conocimiento FIIS-UNAC Mg. Ing.
Mg. Msc. Msc.Sally
Sally Torres
Torres