Documentos de Académico
Documentos de Profesional
Documentos de Cultura
SBC
PERCEPTRÓN UNICAPA
PERCEPTRÓN UNICAPA
En 1957 Frank Rosenblat desarrollo el Perceptrón.
El Perceptrón es un tipo de red de aprendizaje supervisado, es decir necesita conocer los
valores esperados para cada una de las entradas presentadas.
Se utiliza para clasificación de patrones linealmente separables. Un patrón es
linealmente separable cuando trazamos una línea en la gráfica, a un lado de la línea
quedan valores con 1 y en el otro lado valores con 0, es decir va a clasificar en dos
clases diferentes.
1 Si y >0
f (y) =
-1 en otro caso
PERCEPTRÓN UNICAPA
La
salida es binaria, puede ser fácilmente traducible a una clasificación de 2
clases o categorías de la siguiente forma:
∆wij= ε yixj
Y por lo tanto:
wij= wij+ ∆wij= wij+ εtixj
wj= wj+ εtixj
Peso anterior
Peso actual
ε: factor de aprendizaje
ti: valor que debe de aprender
xj: entrada
PERCEPTRÓN UNICAPA
El método de aprendizaje de Hebb permite que las neuronas aprendan a
ajustar sus pesos en un entorno de aprendizaje.
Recordar que los pesos representan la memoria a largo plazo en las RN.
Consideremos las funciones lógicas:
f f f f f v v v
f v v f v v f v
v f v f v f f f
v v v v f v v f
PERCEPTRÓN
x1 x2 t X1 x2 t
0 0 0 -1 -1 -1
0 1 0 -1 1 -1
1 0 0 1 -1 -1
1 1 1 1 1 1
Empezamos de nuevo
APRENDIZAJE HEBBIANO
Perceptrón con nuevos pesos: (w1= 0.82593, w2 = 0.55803, θ = 0.34093, ε=0.5)
Entradas
APRENDIZAJE HEBBIANO
Para la entrada (-1,-1) salida -1 (w1= 0.82593, w2 = 0.55803, θ = 0.34093, ε=0.5)
yi=x1w1+ x2w2+ θ
Usando interceptos:
x1=0 ; = 0.6109 (0,0.6109)
• Esta neurona puede resolver algunos problemas lógicos, vamos a ver la compuerta OR
x1 x2 t X1 x2 t
0 0 0 -1 -1 -1
0 1 1 -1 1 1
1 0 1 1 -1 1
1 1 1 1 1 1
W1=0,2871
W2=0,5746
Ɵ = -0,2772
APRENDIZAJE HEBBIANO
W1= 0,2871; W2=0,5746; Ɵ = -0,2772; Ɛ=0.5
PERCEPTRÓN-prueba
Se propone W1= 0.2871; W2=0.5746; Ɵ = -0.2772, Ɛ=0.5
y=x1w1+x2w2 + Ɵ
double entradas[4][3]={{-1,-1,-1},{-1,1,-1},{1,-1,-1},{1,1,-1}};
double pesos[ ]={0.2871,0.5746,0.7228};
double salidas[ ]={-1,1,1,1};