modelos nueronales

PONTIFICIA UNIVERSIDAD CATÓLICA DEL ECUADOR SEDE IBARRA

ESCUELA DE INGENIERIA
NOMBRE: Grace Laguna FECHA: 07/04/2014

MODELOS DE REDES NEURONALES

PERCEPTON
El caso más sencillo de Red Neuronal (RN) es el que presenta una sola neurona de cómputo. A esta estructura se le denomina percepton y su estudio resulta obligado antes de profundizar en redes neuronales más complejas.



Eneste caso se ha omitido el segundo subíndice (correspondiente a la neurona destino), puesto que solamente tenemos una neurona de cómputo.
Las neuronas representadas en forma de rectángulo pertenecen a la capa de entrada. Estas neuronas son parte del formalismo de la red. Se encargan de recibir y distribuir los datos del exterior, sin realizar cómputos sobre los mismos.
(http://148.204.64.201,2014)
ADELINE
ADALINE que por sus siglas en inglés significa ADAptive LINear Element es un dispositivo que consta de un solo elemento de procesamiento, por lo que técnicamente no es una red. Sin embargo es un elemento muy importante, ya que de él se derivan redes más complejas. En la siguiente figura se muestran los elementos de una ADALINE.






ADALINE está limitada a una única neuronade salida. Un vector x como su entrada y un número real y como su salida. MANDALINE es una combinación de neuronas ADALINE.





(Morales, 2002)

PERCEPTON MULTICAPA
Se demuestra que el Percepton Multicapa (MLP) es un APROXIMADOR UNIVERSAL
• Un MLP puede aproximar relaciones no lineales entre datos de entrada y de salida
• Es una de las arquitecturas más utilizadas en la resolución deproblemas reales:
– por ser aproximador universal
– por su fácil uso y aplicabilidad

• Se ha aplicado con éxito en:
– reconocimiento de voz
– reconocimiento de imágenes
– OCR
– conducción de vehículos
– diagnósticos médicos, etc…

La arquitectura del Percepton multicapa es:
Capa de entrada: sólo se encargan de recibir las señales de entrada y propagarlas a la siguiente capa
Capa desalida: proporciona al exterior la respuesta de la red para cada patrón de entrada
Capas ocultas: Realizan un procesamiento no lineal de los datos recibidos
Son redes "feedforward": alimentadas hacia adelante
Generalmente cada neurona está conectada a todas las neuronas de la siguiente capa (conectividad total)

(Valls, 2007)

MÁQUINAS DE BOLTZMANN
La máquina de Boltzmann usa estadosbinarios, conecciones bidireccionales, transiciones probabilísticas y puede tener unidades ocultas.
Para ajustar los estados de las unidades individuales se usa un mecanismo de transición de estados que está regido por el algoritmo de recocido simulado.
El modelo matemático de la Máquina de Boltzmann tiene dos atributos:
1. Se puede considerar como un modelo de implementación paralela en formamasiva del algoritmo de recocido simulado.
2. Permite el diseño de un algoritmo de aprendizaje basado en conceptos relativamente simples.
Una máquina de Boltzmann se puede ver como una red de varias unidades de dos estados (prendida = 1, apagada = 0) conectadas de cierta forma. El conjunto de conecciones normalmente incluye ``auto conecciones'' (conecciones de una unidad a sí misma).
Si se tieneuna conexión entre dos unidades  y , entonces la conexión entre ellas  está prendida si:  (donde  denota el estado de la unidad ).
Con cada conexión se asocia una fuerza (número real). La fuerza es una medida cuantitativa de lo deseable de la conexión.
La fuerza de la conexión  se llama el sesgo de la unidad .
Una configuración  está dada por el estado global de una máquina de Boltzmann (i.e.,por los estados de cada unidad).
La función de consenso asigna a cada configuración un número real dado como la suma de las fuerzas de las conecciones activadas 

Dónde:  = la fuerza de conexión y  = la configuración de la unidad.
El consenso es grande si están activadas muchas de las conecciones exitatorias (y pequeño si son las inhibitorias).
El objetivo de la máquina de Boltzmann es...