suport vector machine

Tema 2: Aprendizaje y Entrenamiento

Sistemas Conexionistas 1

APRENDIZAJE Y ENTRENAMIENTO.
(Neural Nets Capt. 8; Hilera Capt. 3)

2.- Aprendizaje o Entrenamiento.
2.1.- Aprendizaje Automático.
2.2.- Tipos de aprendizaje.
2.2.1.- Supervisado.
- Aprendizaje por Corrección de Errores.
- Con Refuerzo.
- Aprendizaje Estocástico.
2.2.2.- Sin Supervisar.
- Interpretación de salidas.
-Aprendizaje Competitivo.
2.3.- Velocidad de aprendizaje.

Manuel F. González Penedo

Tema 2: Aprendizaje y Entrenamiento

Sistemas Conexionistas 2

APRENDIZAJE AUTOMÁTICO
• Construir un sistema que aprenda ha sido tradicionalmente uno de los objetivos más
escurridizos de la IA.
Definiciones:
• Significa cambios adaptativos en el sistema: permite que el sistema ejecute la
misma tareacon mayor eficacia para la siguiente ocasión. (Herbert Simun)
• Construir o modificar representaciones de aquello con lo que se experimenta
(estímulos sensoriales, procesos cognoscitivos, etc.) (Ryszard Michalski)
• El Aprendizaje como proceso de adaptación a un entorno, el cual no tiene porque
ser físico, sino que puede (y es lo normal) estar formado por estructuras que se
refieran aconocimiento.
• La creación y manipulación de representaciones que den sentido a lo aprendido,
y que sean capaces de explicarlo o de permitir su interpretación.

Manuel F. González Penedo

Tema 2: Aprendizaje y Entrenamiento

Sistemas Conexionistas 3

S. Adaptativo
Entrada

Salida

Comparador
ESTRUCTURA GENERAL: SISTEMA DE APRENDIZAJE

Manuel F. González Penedo

Tema 2: Aprendizajey Entrenamiento

Sistemas Conexionistas 4

Desde el punto de vista de los Sistema Conexionistas (Redes Neuronales):
Elementos Variables

Pesos

"La modificación dinámica de los pesos (Wi) es la verdadera esencia del
aprendizaje".
En el nivel, de un simple PE, este reajustamiento de pesos no significa nada, pero
cuando muchos PE lo realizan colectivamente, se dice que representa a laInteligencia.

Manuel F. González Penedo

Tema 2: Aprendizaje y Entrenamiento

Sistemas Conexionistas 5

Def: Aprendizaje es un proceso por el cual los parámetros libres de una red neuronal
son ajustados a través de un proceso continuo de estimulación por parte del entorno en
donde se sitúa el sistema. El tipo de aprendizaje es determinado por la forma o manera
que tienen lugar dichoscambios.
• Esta definición implica la siguiente secuencia de hechos:
• La red neuronal se encuentra estimulada por el entorno.
• La red neuronal cambia como consecuencia de dicho estímulo.
• La red neuronal responde de manera diferente al entorno a causa de los cambios
que se han producido en su estructura interna.
La ecuación que especifica como cambian los pesos, recibe el nombre de Ley deAprendizaje.

Manuel F. González Penedo

Tema 2: Aprendizaje y Entrenamiento

Sistemas Conexionistas 6

TIPOS O MODOS DE APRENDIZAJE.
• Aprendizaje Supervisado.
• Aprendizaje Sin Supervisar.
Aprendizaje Supervisado: Necesita un profesor que mida el funcionamiento del
sistema.
• Aprendizaje por Corrección de Error.
• Aprendizaje por Refuerzo.
• Aprendizaje Estocástico.
AprendizajeSin Supervisar: No se necesita profesor. El sistema debe organizarse a si
mismo y por si sólo. Aprendizaje por Hecho.

Manuel F. González Penedo

Tema 2: Aprendizaje y Entrenamiento

Sistemas Conexionistas 7

Aprendizaje por Corrección de Error
El entrenamiento consiste en presentar al sistema un conjunto de pares de datos,
representado la entrada y la salida deseada para dichaentrada. Este conjunto recibe el
nombre de conjunto de entrenamiento.

Entrada
Salida Deseada

Manuel F. González Penedo

RED
NEURONAL

Salida
Comparador

Tema 2: Aprendizaje y Entrenamiento

Sistemas Conexionistas 8

Objetivo:
Se trata de minimizar el Error entre la Salida Deseada y la Actual.
Aprendizaje OFF Line
Método:
1- Inicializar aleatoriamente los pesos.
2- Presentación...