El Perceptrón aplicado a la clasificación de caracteres.

Sesión de laboratorio 2
El Perceptrón aplicado a la clasificación de
caracteres.
Carlos Humberto Montoya. 0643494, Daniel Pacheco Daza 0642928
Escuela de Ingeniería Eléctrica y Electrónica.Universidad del Valle.
Abril de 2012.
En este informe se presentan los resultados
obtenidos al entrenar redes neuronales tipo
perceptrón implementadas en Matlab para el
reconocimiento de caracteres.Se muestra la
metodología seguida para el entrenamiento de las
redes, así como la interfaz grafica usada para
verificar el funcionamiento de la red después del
entrenamiento. Se presentan despuéslos resultados
obtenidos durante la fase de entrenamiento y
después en la fase de verificación. Finalmente se
presentan las conclusiones a las que se pudo llegar
con los resultados obtenidos.I.

INTRODUCCIÓN

El reconocimiento de caracteres y de patrones en
general es un campo para el cual las redes
neuronales ofrecen una buena solución. La
arquitectura perceptrón se puede usarpara este
tipo de problemas siempre y cuando los patrones
puedan ser separados linealmente.
El diseño de un clasificador consta de dos partes
fundamentales. La primera, es la adquisición de
muestrasde las diferentes clases y el encuentro de
las fronteras o reglas que separan dichas clases;
este proceso es llamado entrenamiento o
aprendizaje. La segunda, es probar el
comportamiento delclasificador diseñado,
utilizando muestras cuya identidad de clase es
desconocida.[1].
II.
METODOLOGÍA
Para la red neuronal que reconozca las vocales, se
uso una matriz de 7*5 como la mostrada en laFig.
1 para el ingreso de las letras, y dicha entrada se
codifica en un vector de 35 posiciones.
Para el entrenamiento de esta red se usaron como
patrones de entrada la codificación, de cada vocalen mayúscula y minúscula, en el vector de 35
posiciones que representa la forma en la que se
escribe cada una en la matriz de puntos, para los
patrones de salida deseados se uso la codificación...