practica3 RNA

Practica N.-3
Red con aprendizaje competitivo
27/mayo/2014

Práctica 3

Objetivo: Que el alumno compruebe experimentalmente las capacidades de extracción de
características de una red conaprendizaje competitivo.

Desarrollo

1. Genere un conjunto de datos de entrenamiento, de tal forma que formen evidentemente n
agrupaciones, tal y como se presenta en la figura (para n=3, solo conmotivos ilustrativos).
2. Escriba un código en Matlab® para implementar una red neuronal con aprendizaje
competitivo, con al menos n neuronas.
3. Inicialice las n neuronas en el mismo lugar
4.Entrene le red neuronal hasta que cada neurona se localice en el centro de masa de cada
una de las agrupaciones.
5. Reporte los datos de entrenamiento, el estado inicial de las neuronas y el estadofinal de las
neuronas
6. Repita los pasos 2-5 utilizando una cantidad de neuronas mayor al número de agrupaciones.
7. Repita los pasos 2-5 utilizando una cantidad de neuronas menor al número deagrupaciones.
8. Reporte sus conclusiones y observaciones

Representación goemétrica del vector de entradas
y de las neuronas (estado inicial)
1
0.9
0.8

Coordenada 2

0.7
0.6
0.5
Ubicaciónde las tres neuronas en estado inicial

0.4
0.3
0.2
0.1
0

0

0.2

0.4
0.6
Coordenada 1

0.8

1

Grafica con 3
grupos.

Código
Código en Matlab® para implementar una redneuronal con aprendizaje competitivo, con al menos
n neuronas.
clear all;
close all;
n = 10;
inter = 0.10;
c1 = 0.2;
c2 = 0.5;
c3 = 0.8;
x = [];

for i=1:n
x = [ x, [c1+inter*(rand-0.5);c1+inter*(rand-0.5) ]];
end
for i=1:n
x = [ x, [c2+inter*(rand-0.5); c2+inter*(rand-0.5) ]];
end

for i=1:n
x = [ x, [c3+inter*(rand-0.5); c3+inter*(rand-0.5) ]];
end
figure()
hold onplot(x(1,:),x(2,:),'g+');
net = newc(x,3);
net.IW{1}
plot(net.IW{1}(1,1),net.IW{1}(1,2),'ro');
net.trainParam.epochs = 1000;
net = train(net,x);
net.IW{1}
plot(net.IW{1}(:,1),net.IW{1}(:,2),'sb');...