percectron
Páginas: 8 (1930 palabras)
Publicado: 27 de septiembre de 2014
REPÚBLICA BOLIVARIANA DE VENEZUELA
MINISTERIO DEL PODER POPULAR PARA LA EDUCACION SUPERIOR
INSTITUTO UNIVERSITARIO DE TECNOLOGIA
“JOSE ANTONIO ANZOATEGUI”
CONVENIO CUBA-VENEZUELA
MAESTRÍA EN INFORMÁTICA Y AUTOMATIZACIÓN INDUSTRIAL
Tarea Evaluativa #1. Redes Neuronales Artificiales y Algoritmos Genéticos.
Profesor: Realizado por:
Dr.CMirtha Irizar Ing. Enylú Martínez
Ing. Thais Hernández
El Tigre, Marzo 2013
INTRODUCCION
Las redes neuronales no es más que un procesador paralelo distribuido que es propenso por naturaleza almacenar conocimiento experimental y hacerla disponible para su uso, por estarazón, las redes diseñadas con propósitos de control requieren desarrollar tres etapas esenciales: la recolección de los datos que almacenaran el conocimiento, el entrenamiento que es el proceso en la cual la red aprende y almacena el conocimiento y la validación, que es cuando se comprueba la calidad del conocimiento adquirido.
De esta manera se plantea una actividad a fin de crear, entrenar yprobar una red neuronal para un sistema de primer orden, estudiando a la par los parámetros implícitos del diseño de la red neuronal propuesta.
Continuando con este orden de idea, los algoritmos genéticos (GA) son algoritmos de búsqueda y optimización basados en los mecanismos de selección natural y genética. Este concepto fue creado por Holland en la década del 70, en la cual se estudiaron losalgoritmos basados en la evolución natural.
La actividad a realizar en segunda fase, tiene como objetivo crear, modificar y probar un algoritmo genético empleando las diferentes herramientas con que cuenta el MatLab y analizar la influencia de los operadores y parámetros del mismo.
Actividad No. 1:
En primer lugar se montó el diagrama de la práctica, el cual constituye un sistema deprimer orden, cuyas entradas son una señal sinusoide y un paso escalón.
Figura 1. Diagrama de la práctica en Simulink
A partir del diagrama, se configuró según las especificaciones dadas en el proyecto:
El tiempo de muestreo de todos los elementos será 0.1
La estructura a emplear será arreglos (array).
El método de solución a emplear será Runge-Kutta (ode4) con paso fijo (fixed-step).El tiempo de simulación será de 50 segundos.
Luego los datos fueron exportados al MatLab
Figura 2. Obtención de los datos del sistema
Luego se procedió a transponer los datos a través del comando en MatLab: transpose (nombre_vector)
Figura 3. Transposición de los datos de la simulación
A partir de allí se obtienen los datos de entrada y salida para poder crear,entrenar y probar una red neuronal artificial que emule el sistema.
Las redes neuronales con propósitos de control, necesariamente deben incluir las etapas de recolección de datos, que es aquella en la cual se seleccionan los datos, que en ésta investigación corresponde a las entradas y salidas del sistema. La redes tienen la capacidad de aprendizaje adaptativo, la cual es la característicamás atractiva de ellas.
El entrenamiento, que es la segunda etapa, es aquella en la cual el proceso comprueba la calidad del conocimiento adquirido.
Cuando se desarrolla una red neuronal, se puede realizar por dos métodos: el Toolbox de las redes neuronales de MatLab (nntool) o desarrollar la red. En éste estudio se utilizó el nntool del MatLab para desarrollar la red del sistema propuesto.Continuando con este orden de ideas, se procede abrir el nntool; obteniéndose la siguiente pantalla.
Figura 4. Ventana de herramienta de la creación de una Red Neuronal
Después de abrir esta aplicación, se procede a importar los datos de entrada del sistema, en este caso: input1 que corresponde a la matriz transpuesta de los datos obtenidos del Patron.
Figura 5. Ventanas de importación...
MINISTERIO DEL PODER POPULAR PARA LA EDUCACION SUPERIOR
INSTITUTO UNIVERSITARIO DE TECNOLOGIA
“JOSE ANTONIO ANZOATEGUI”
CONVENIO CUBA-VENEZUELA
MAESTRÍA EN INFORMÁTICA Y AUTOMATIZACIÓN INDUSTRIAL
Tarea Evaluativa #1. Redes Neuronales Artificiales y Algoritmos Genéticos.
Profesor: Realizado por:
Dr.CMirtha Irizar Ing. Enylú Martínez
Ing. Thais Hernández
El Tigre, Marzo 2013
INTRODUCCION
Las redes neuronales no es más que un procesador paralelo distribuido que es propenso por naturaleza almacenar conocimiento experimental y hacerla disponible para su uso, por estarazón, las redes diseñadas con propósitos de control requieren desarrollar tres etapas esenciales: la recolección de los datos que almacenaran el conocimiento, el entrenamiento que es el proceso en la cual la red aprende y almacena el conocimiento y la validación, que es cuando se comprueba la calidad del conocimiento adquirido.
De esta manera se plantea una actividad a fin de crear, entrenar yprobar una red neuronal para un sistema de primer orden, estudiando a la par los parámetros implícitos del diseño de la red neuronal propuesta.
Continuando con este orden de idea, los algoritmos genéticos (GA) son algoritmos de búsqueda y optimización basados en los mecanismos de selección natural y genética. Este concepto fue creado por Holland en la década del 70, en la cual se estudiaron losalgoritmos basados en la evolución natural.
La actividad a realizar en segunda fase, tiene como objetivo crear, modificar y probar un algoritmo genético empleando las diferentes herramientas con que cuenta el MatLab y analizar la influencia de los operadores y parámetros del mismo.
Actividad No. 1:
En primer lugar se montó el diagrama de la práctica, el cual constituye un sistema deprimer orden, cuyas entradas son una señal sinusoide y un paso escalón.
Figura 1. Diagrama de la práctica en Simulink
A partir del diagrama, se configuró según las especificaciones dadas en el proyecto:
El tiempo de muestreo de todos los elementos será 0.1
La estructura a emplear será arreglos (array).
El método de solución a emplear será Runge-Kutta (ode4) con paso fijo (fixed-step).El tiempo de simulación será de 50 segundos.
Luego los datos fueron exportados al MatLab
Figura 2. Obtención de los datos del sistema
Luego se procedió a transponer los datos a través del comando en MatLab: transpose (nombre_vector)
Figura 3. Transposición de los datos de la simulación
A partir de allí se obtienen los datos de entrada y salida para poder crear,entrenar y probar una red neuronal artificial que emule el sistema.
Las redes neuronales con propósitos de control, necesariamente deben incluir las etapas de recolección de datos, que es aquella en la cual se seleccionan los datos, que en ésta investigación corresponde a las entradas y salidas del sistema. La redes tienen la capacidad de aprendizaje adaptativo, la cual es la característicamás atractiva de ellas.
El entrenamiento, que es la segunda etapa, es aquella en la cual el proceso comprueba la calidad del conocimiento adquirido.
Cuando se desarrolla una red neuronal, se puede realizar por dos métodos: el Toolbox de las redes neuronales de MatLab (nntool) o desarrollar la red. En éste estudio se utilizó el nntool del MatLab para desarrollar la red del sistema propuesto.Continuando con este orden de ideas, se procede abrir el nntool; obteniéndose la siguiente pantalla.
Figura 4. Ventana de herramienta de la creación de una Red Neuronal
Después de abrir esta aplicación, se procede a importar los datos de entrada del sistema, en este caso: input1 que corresponde a la matriz transpuesta de los datos obtenidos del Patron.
Figura 5. Ventanas de importación...
Leer documento completo
Regístrate para leer el documento completo.