Laboratorio redes neuronales

Práctica de Laboratorio #1.

Tema: Trabajo con las Redes Neuronales Artificiales empleando el software Matlab. Creación, entrenamiento y validación de una red neuronal artificial.

Título: “Las Redes Neuronales Artificiales. Aplicaciones”

Objetivos de la práctica:

- Que los estudiantes desarrollen habilidades prácticas en el trabajo con las redes neuronales artificiales utilizando elsoftware Matlab.
- Que los estudiantes apliquen los conocimientos teóricos adquiridos para la solución de problemas aplicando redes neuronales artificiales.
- Que los estudiantes sean capaces de crear, entrenar y validar diferentes arquitecturas de RNA.

Desarrollo de la Práctica:

I. Introducción: Recordatorio de los aspectos fundamentales de las Redes Neuronales Artificiales estudiados.Funciones de activación:
- Función de activación lineal.
- Función de activación de límite rígido.
- Función de activación sigmoidea.

Características de una Red Neuronal Artificial:
- Un patrón de conexiones entre neuronas (arquitectura).
- Su método o forma de determinar los pesos de las conexiones (algoritmo de aprendizaje).
- Su función de activación.

Etapas a seguir en el empleo deuna RNA:
- Recolección de los datos.
- Entrenamiento de la red neuronal artificial.
- Validación de la red neuronal artificial entrenada.

Principales arquitecturas de Redes Neuronales Artificiales estudiadas:
- RNA Perceptron simple capa.
- RNA ADALINE/MADALINE.
- RNA Perceptron multicapa.
- RNA de Base Radial (RBF).
- RNA de Mapas Autoorganizados (SOM).

Aspectos importantes delaprendizaje de una RNA:
- El conocimiento de las redes neuronales se encuentra almacenado en los pesos y bias.
- El entrenamiento puede ser por lotes o batch (se actualizan los pesos al concluir) o incremental (se actualizan los pesos en cada iteración).
- Entrenamiento de una red neuronal puede ser detenido por dos factores: la cantidad de épocas y el error de aprendizaje.
- Compromiso entrememorización y generalización.

II. Desarrollo:

Ejercicio 1:
Simule el comportamiento de una función lógica OR empleando una red neuronal artificial de tipo perceptron simple capa.

Actividades:
- Establecer la arquitectura de la red neuronal:
Debido a que serán dos las entradas necesarias para aproximar la función deseada y una la salida que la misma proporcionará, se determina que la redperceptron tendrá dos neuronas en la capa de entrada y una en la de salida.
Debido a la estructura clásica del perceptron simple capa la función de activación será el límite rígido.
- Crear la RNA con comandos:
El comando que brinda el Matlab para la creación de una RNA perceptron simple capa es el siguiente:
net = newp (PR, S)
PR: Es una matriz de Rx2 elementos con los valores máximo ymínimo de los R elementos de entrada a la RNA.
S: Número de neuronas.
>>net = newp([0 1; 0 1], 1);
¿Cuál es el valor inicial de los pesos y bias de la red?
Esto podemos verificarlo accediendo a los miembros de la estructura RNA creada.
IW: contiene la matriz de pesos de entradas.
LW: contiene la matriz de pesos de las capas.
b: contiene el vector de bias.
>>net.IW{1,1}
>>net.b{1}
El valorinicial de los pesos y bias se debe a la función de inicialización que tienen, como puede verse con los siguientes comandos:
>>net.inputWeights{1,1}
>>net.biases{1}
- Determinar los patrones:
>>p = [1 0 1 0; 0 1 1 0];
>>t = [1 1 1 0];
- Probar el desempeño de la RNA para cada uno de los patrones de la siguiente forma:
>>p1=[1;1]
>>y1 = sim(net,p1)
Y así sucesivamente para el resto.
-Entrenamiento de las RNA:  Inicializamos la RNA:
Para poder inicializar con valores diferentes a cero es necesario primero cambiar las funciones de inicialización de los pesos de entrada y los bias con los siguientes comandos:
>>net.inputWeights{1,1}.initFcn='rands';
>>net.biases{1,1}.initFcn='rands';
Y posteriormente inicializamos la red.
>> net=init(net);
Comprobamos el cambio de los pesos y...