Redes Neuronales

República Bolivariana De Venezuela
Ministerio Del Poder Popular Para La Defensa
Universidad Nacional Experimental De La Fuerza Armada
Mérida. Edo. Mérida

Redes Neuronales
Algoritmos De Aprendizaje
Redes Neuronales
Algoritmos De Aprendizaje

Realizado por:

Carlos H. Marín VásquezCI: 20085978.

Aprendizaje:
El aprendizaje es el proceso por medio del cual, los parámetros libres de una red neuronal son adaptados a través de un proceso de estimulación por el ambiente en el cual la red se encuentra inmersa.
El tipo de aprendizaje es determinada por la manera en la cual el cambio de parámetrostiene lugar.
W = 0 Destrucción; W › 0 Creación.
Tipos de Aprendizaje:
* Aprendizaje Supervisado
* entrada, salida, objetivo.
* Aprendizaje No supervisado
* entrada, salida.
* Aprendizaje por Reforzamiento.
* Recompensa/castigo.
Reglas del apredizaje:
* Aprendizaje Supervisado :
A la red se le proporciona un conjunto de ejemplos delcomportamiento propio de la red, (inputs/targets).
* Aprendizaje No supervisado:
Las entradas son las unicas disponibles para el aprendizaje, el algoritmo de la red aprende a categorizar las entradas (clustering).
* Aprendizaje por Reforzamiento:
A la red se proporciona un grado de desempeño de la misma.
Aprendizaje supervisado:
Se realiza mediante un entrenamiento controlado porun agente externo (supervisor, maestro), que determina la respuesta que debería generar la red apartir de una entrada determinada.

Aprendizaje por Corrección de Error:

* Consiste en ajustar los pesos de las conexiones de la red en función de la diferencia entre los valores deseados y los obtenidos en la salida de la red; es decir en función del error cometido en la salidaAprendizaje no supervisado:
El aprendizaje no supervisado o autosupervisado no hay un maestro o critico externo para supervisar el proceso de aprendizaje.

Está constituido por un conjunto de reglas que dan a la red la habilidad de aprender asociaciones entre los patrones que ocurren en conjunto frecuentemente.
Una vez aprendido como asociación permite a las redes realizar tareas útiles dereconocimiento de patrones y recordar.
Redes Con Aprendizaje No Supervisado:
También llamado auto supervisado, no requieren influencia externa para ajustar los pesos de las conexiones entre sus neuronas.
Existen varias posibilidades en cuanto a la interpretación de la salida de estas redes, que dependen de su estructura o del algoritmo de aprendizaje empleado los casos de salida pueden representar:* grado de familiaridad o similitud entre la información que se presenta a la entrada y las informaciones que se han mostrado hasta entonces.

* agrupamiento o establecimiento de categorías.

* Prototipado, es decir obtener ejemplares representantes de las clases a las que pertenecen las informaciones de entrada.

* Codificación de los datos de entrada, generando a lasalida una versión codificada de la entrada, con menos bits, pero manteniendo la información relevante de los datos.

* Mapeo de características, obteniendo a la salida un mapa topográfico de las características de los de entrada, de tal forma que si se presentan en la red informaciones similares, siempre sean afectadas neuronas de salida próximas entre si, en la misma zona del mapa* El aprendizaje Supervisado no involucra valores objetivos. De hecho, los objetivos son los mismos que las entradas.

* En otras palabras, el aprendizaje no supervisado usualmente realiza la misma tarea que una red autoasociativa, la compresión de la información de las entradas.

Algoritmos de Aprendizaje No Supervisado:
Tipos:
* Aprendizaje Asociativo.
* Aprendizaje...