MATEMATICA DISCRETA

MATLAB MAYO 5 DEL 2005
IMPLEMENTACION DE LA FUNCION LOGICA XOR, MEDIANTE UN MODELO NEURONAL
Y EL ALGORITMO BACKPROPAGATION
EXPOSITORES:

ANDRES FELIPE RESTREPO LONDOÑO
BIBIANA JANETH GALLEGOMORA
FACULTAD DE INGENIERIA DE SISTEMAS
DIRECTOR: JAIRO PERTUZ CAMPO
UNIVERSIDAD DE MEDELLIN

MEDELLIN, MAYO DE 2005

OBJETIVO
Ilustrar el proceso de entrenamiento de
una red neuronal con elalgoritmo
Backpropagation,
mediante
la
implementación de la función lógica XOR.
Demostrar
que
la
velocidad
de
entrenamiento para una representación
bipolar es mucho más rápida que unarepresentación binaria

REDES FEEDFORWARD
Las interacciones son siempre hacia adelante
Se suele hablar de:
Redes de una sola capa (cuando no hay capas ocultas),
Ejemplo: El perceptrón simpleREDES FEEDFORWARD
Redes de múltiples capas (cuando hay capas ocultas): Ejemplos: el
perceptrón multicapa

BACKPROPAGATION
Procedimiento para encontrar el vector gradiente de una
función errorasociada a la salida de la red con respecto
a los parámetros de la misma.
El nombre backpropagation surge pues del cálculo que
se hace en el sentido inverso de la red, propagándose
desde los nodos desalida hacia los nodos de entrada
Esto permite poder aplicar a posteriori alguno de los
muchos métodos de optimización con gradiente para
obtener el comportamiento deseado de la red

ElBackpropagation Standard es el algoritmo de descenso
del gradiente donde los pesos de la red son movidos a lo
largo de la dirección negativa del gradiente (Es donde se
minimiza para obtener T).
Existenvarias técnicas como lo son:
• El algoritmo del gradiente conjugado.
• El algoritmo de Newton.
En ultima instancia lo que busca este algoritmo del
Backporgation es el entrenamiento de RedesNeuronales
Feedforward, con las cuales podemos resolver problemas
específicos como: Aproximación de Funciones,
clasificación, asociación de vectores, etc.

ELEMENTOS ESENCIALES DE LA RED
ENTRADAS: P...