Crisis
Sistema jerárquico general
Núcleo estimador con salida conocida
Múltiples entradas-salidas Entradas conocidas y desconocidas Salida conocida
Nivel M-1
Nivel MEntrada desconocida Salida de núcleo estimador con nivel de jerarquía precedente (M-1)
Núcleo estimador con salida desconocida
Entradas conocidas y desconocidas
Descripción de términosRepresentación de núcleo estimador
j=1..M Niveles de jerarquía; k=1..P Núcleos en cada nivel
Entradas conocidas y desconocidas
Vector de parámetros
Adaptación de los parámetros (capa de salida)Error: Disponible en nivel M
Mecanismo de adaptación
Adaptación de los parámetros (capas intermedias)
Mecanismo de adaptación
Diferencial de salida (NE) con respecto a variable de entradaRetropropagación del error
Diferencial de salida con respecto a parámetros
Ejemplo: Núcleo estimador borroso
Parámetros Variables de entrada
Es necesario obtener el diferencial con respecto alas variables de entrada y los parámetros
Adaptación de los parámetros
Aplicación del gradiente
Descripción extendida
Centros Anchos Consecuentes
Diferencial con respecto a las variablesde entrada (I)
Descripción extendida
Resolver el diferencial
Diferencial con respecto a las variables de entrada (II)
Ecuación resultante
Comprobación del diferencial con respecto a lasvariables de entrada
•Obtener datos de entrada-salida de una función no lineal. •Determinar la derivada de la función que se pretende modelar. •Obtener el modelo basado en los datos de entrada-salida.•Determinar la derivada con respecto a la variable de entrada del núcleo estimador que representa al modelo. •Comprobar ambas derivadas.
Ejemplo de derivada con respecto a las variables deentrada
Función a modelar Derivada con respecto a x1
y ( x1 , x2 ) 4 cos(x1 ) x1
¿Redes Neuronales?
Tangente sigmoidal hiperbólica
Función de coste
Diferencial con respecto a los...
Regístrate para leer el documento completo.