Sistemas neuronales

Red Neuronal Difusa - Documento Transcript
1. Aprendizaje y adaptación de una red neuronal difusa El procesos de entrenamiento en una red neuronal difusa consiste en modificar los parámetros o pesos de la red para obtener una valor óptimo. Esto requiere de una colección de pares de entrada-salida y esto requiere de un índice que exprese el mapa de las entradas y los objetivoscorrespondientes. Para una neurona difusa, la conexión sináptica es representada como una relación difusa de dos dimensiones, donde hay una entrada sináptica y una salida. El entrenamiento en neuronas difusas, en los casos más general, envuelve cambios en una relación bidimensional para cada sinapsis. Considerando una conexión sináptica para la jth neurona, la cual tiene una entrada externa para una tiempo k,Xi(k), el peso difuso Wij(k), un mínimo error e(k) que se obtiene de la diferencia entre la respuesta de salida de la neurona y el objetivo determinado. Para determinar o modificar el peso Wij(k) se utiliza la siguiente regla: Donde ∆Wij (k ) es el cambio de la relación difusa que existe del error e(k): ∆Wij ( k ) =F [t j ( k ) −y j ( k )] En redes neuronales multicapa, involucra varios objetivos(t), con la salida obtenida en la red neuronal y. Para esto, existe una función distancia por ejemplo: distancia euclidiana y un error Q (error global minimizado) definido como:
2. FUZZY ARTMAP La red ART tiene la habilidad de crear nuevas categorías con una aproximación arbitraria para clasificar entradas que no son clasificadas en las categorías existentes. Con la introducción de conceptosdifusos , la Fuzzy ARTMAP fue desarrollada por Carpenter y Grossberg en 1994. MAP se refiere al proceso de mapear las entradas a la salida. Esta red es una síntesis de la ART-1 y la lógica difusa y es capaz de aceptar entradas continuas o binarias. La fuzzy ARTMAP es una arquitectura auto organizativa que es capaz de aprender a reconocer rápidamente, y predecir las consecuencias de virtualmentecualquier entrada. La ARTMAP involucra una combinación de operaciones neuronales y difusas, que juntas producen estas capacidades de la red. Como otras versiones de la ART, su uso es casi exclusivamente para clasificación, y solo tiene un parámetro de interfaz, el parámetro de vigilancia, el cual determina la fineza o generalidad de las categorías en las cuales las entradas son clasificadas. La redpuede aprender virtualmente cualquier patrón de entrenamiento en pocas iteraciones de entrenamiento en un modo no supervisado. La Fuzzy ARTMAP opera determinando automáticamente que tanta generalización o precisión es necesaria a la hora de clasificar una entrada. Las categorías más generales aceptan entradas con valores característicos más difusos. El rango de aceptabilidad (o nivel difuso) de unacategoría en particular es aprendido a través de una serie de iteraciones que involucran el uso de operadores de la lógica difusa. Los operadores AND (min) y OR (max) son usados para definir el rango de valores que son tolerados por una categoría por cada variable lingüística o característica. Una función de membresía en el rango de 0 a 1 se usa para determinar la aceptabilidad de un patrón deentrada en una categoría particular. El operador min ayuda a definir características que son críticamente presentes, mientras que el operador max ayuda a definir características críticamente ausentes. El operador min puede ser usado por nodos que son activados por una entrada externa, mientras que el operador max puede ser usado por nodos que son desactivados por una entrada externa. De tal manera quelos operadores min y max pueden ser introducidos en posiciones apropiadas de una red neuronal mediante switches on-off. La categoría que más se acerca a un patrón de entrada por medio de una operación difusa. La lógica difusa provee un método por medio del cual una fuzzy ARTMAP categoriza adaptativamente patrones de entrada analógicos y binarios. Por lo tanto, la fuzzy ARTMAP puede aprender...