Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Agenda
Estructura de la Adaline
Aproximacion lineal de una funcion
Regla de aprendizaje Widrow-Hoff
Adaline como un filtro lineal adaptativo
Identificacion de sistemas adaptativo
Cancelacion adaptativa de ruido
Nov 2005
Estructura de la
Adaline
Estructura de la Adaline
x0
w0
x1
.
.
w1
.
.
xn
wn
y
+
y
-
Algoritmo
Adaptivo
Nov 2005
sgn(s)
Aqu no se considera
la salida s
d
e = d w Tx
Estructura de la Adaline
x1
x2
w1
w2
.
.
.
xn
Nov 2005
wn
w x
1
un peso mas, b=0
y wT x
Salida de la Adaline
y wi xi w T x
i
Estimado de la neurona
de la salida deseada
vector de entrada
Una posible
implementacion
Una posible implementacion con ADALINE
v1
G1
Input:
voltages
current
vn
Gn
output w i x i w 0
i 1
Nov 2005
Output:
Nov 2005
Perceptron
Adaline
Architecture
Single-layer
Single-layer
Neuron
model
Learning
algorithm
Non-linear
linear
Minimze
number of
misclassified
examples
Minimize total
error
Application
Linear
classification
10
Aproximacion
lineal de una
funcion
12
El problema
y = f(x)
Nov 2005
X x 1 L
x n L
x N
p N matrix
D d 1 L
d n L
d N
1 N matrix
13
y w x
T
p1 weight vector
Nov 2005
w, p1,
14
Salida de la Adaline
x(n), la Adaline
y n w x n
T
Nov 2005
X x 1 L
x n L
x N
p N matrix
D d 1 L
d n L
d N
1 N matrix
15
Salida de la Adaline
Y w X
T
Y y 1 L
y n L
y N
1 N matrix
El indice de desempeo
Definimos el error
n d n y n
1
J w
2N
Nov 2005
n
n 1
16
El indice de desempeo
1 T
J w
e e
2N
donde e es el vector N 1 de todos los errores
e D Y
T
Nov 2005
17
18
Un problema de
optimizacion
El problema de la aproximacion es el de
minimizar el indice de desempeo
Diferentes metodos
Algoritmos basados en el
gradiente
0.8
0.6
0.4
0.2
0
2
1
0
-1
w2
Nov 2005
-2
-2
-1
w1
w q R
T
DX
X es la matriz de N
datos de entrada
T
XX
T 1
Nov 2005
23
24
Ejemplo
y f x x1e
x12 x22
Nov 2005
25
Ejemplo
Ver adln1.m
funcion
Nov 2005
Adaline
Regla de
aprendizaje
Widrow-Hof
Aprendizaje Widrow-Hof
new
old
w = J
27
El indice de desempeo
1
J w
2N
n
n 1
1 T
J w
e e
2N
Nov 2005
e D Y
T
n d n y n
28
El indice de desempeo
J w n
n d n y n
Nov 2005
29
30
2 n
n
2 n
wi
wi
d n wT x
wi
wi
wi
wi
i 1,L , p
d n w j x j n
j 1
n
xi n
wi
T
J 2 n x n
Nov 2005
Aprendizaje Widrow-Hof
w n x
Nov 2005
31
Adaline como un
filtro lineal
adaptativo
Vectores de seales
Nov 2005
x n 1 L
x n p 1
33
Vectores de seales
Nov 2005
34
Nov 2005
35
Diagrama de bloques
36
37
Ejemplo
1.5
0.5
Ver adlpr.m
-0.5
-1
-1.5
Nov 2005
4
time [sec]
Identificacion de
sistemas
adaptativo
Sistema MA desconocido
Nov 2005
39
Identificacion de sistemas
adaptativo
Es posible usar otra Adaline para observar las
entradas y salidas del sistemas y adaptar sus
pesos
Nov 2005
40
41
Ejemplo
Input Signal, x(t)
1
0.5
0
-0.5
-1
Ver adsid.m
0.5
0
-0.5
-1
0
Nov 2005
3
time [sec]
Cancelacion
adaptativa de
ruido
La situacion
Nov 2005
43
Cancelacion adaptativa de
ruido
Considere el sistema
Nov 2005
44
45
Resultados
Input signal u(t) and estimated signal uh(t)
2
1
0
-1
-2
0.4
4
5
time -- msec
estimation error
4
5
time --[msec]
Ver adlnc.m
0.2
0
-0.2
-0.4
Nov 2005
Aplicaciones
Nov 2005
46
Cancelacin de Ruido
Nov 2005
47
Cancelacin de Ruido
48
Nov 2005
49
Nov 2005
50
Nov 2005
51
Nov 2005
52
Nov 2005
53
Fuentes
Nov 2005
54
Sources
Nov 2005
55