Electrónica


Abstract—This report describes the programming of a neural network with the Perceptron algorithm applied to a database containing classified information points in two dimensions, theprogramming will be divided into two parts: the first is the Perceptron algorithm and second in the pocket Perceptron algorithm. The results of each algorithm were analyzed to conclude the virtues of eachalgorithm.

Palabras Claves—Algoritmo, Bolsillo, Bias, Ciclos, Error, Entranamiento, Función lineal, Gradiente del error, Iteraciones, Mal clasificados, MATLAB, Perceptrón, Pesos, Puntos devalidación.

I. INTRODUCCIÓN
Las redes neuronales tienen la característica de aprender a partir de alguna fuente de información. En 1958 psicólogo Frank Ronsenblant desarrollo un modelo simple de unaneurona basada en el modelo de McCulloch y Pitts y en una regla basada en la corrección del error. A este modelo le llamo Perceptrón que está constituido por un conjunto de sensores de entrada quereciben los patrones de entrada a reconocer o clasificar y una neurona de salida que se ocupa de clasificar a los patrones de entrada en dos clases, según que la salida de la misma sea 1 (activada) o 0(desactivada).
.
La estructura de un Perceptrón de una capa es como lo muestra la figura No 1 donde “x” es el vector de entradas, “w” es el vector de pesos, “b” es el factor de desplazamiento,es una función de activación y “y” es la salida.


Fig. 1: Estructura de un Perceptrón de una capa.

El entrenamiento del Perceptrón está dado por la clasificación mediante la siguienteoperación:
(1)
Donde sí es < 0 es clasificado correctamente y si es > 0 es clasificado incorrectamente. El criterio de error está dado por:

(2)En el entrenamiento el error debe ser minimizado, por lo tanto el gradiente del error debe ser decreciente. Entonces el cálculo del gradiente se aproxima como:

(3)...