Práctica 1 Redes Neuronales

Redes Neuronales Artificiales


Práctica 1



1. Construya la tabla de verdad para la siguiente función lógica: A(BC)
2. Escriba un código en Matlab® para implementar la función lógica delpaso 1
3. Reporte tanto el código como los resultados obtenidos (gráfica de los patrones de entrenamiento, gráfica de los patrones de entrenamiento incluyendo el hiperplano separador, vector de pesosy bias, etc.)
4. Verifique la capacidad de generalización de la red utilizando patrones similares a los del entrenamiento
5. Reporte los resultados obtenidos en el punto anterior
6. Conclusiones yobservaciones


Tabla de verdad
A
B
C
BC
A( BC)
V
V
V
V
V
V
V
F
F
V
V
F
V
F
V
V
F
F
F
V
F
V
V
V
V
F
V
F
F
F
F
F
V
F
F
F
F
F
F
F

Código en MatlabResultados


Vector de pesos y Bias
Vector de pesos = [3, 1, 1]
bias = -2

Valores similares
x=[1.2 1.8 1.32 1.58 0.2 -0.5 0.3 0.2; 1.5 1.3 0.1 0.01 1.98 2 -.21 0.1; 1.99 0.02 1.45 0.21.52 0.1 1.24 -0.099];

Gráfica con valores similares





Vector de pesos y bias
Vector de pesos = [4.4800, 2.670, 1.8500]
Bias = -4

Conclusiones
Como conclusión, puedo decir que elproblema inicial, por definición es un problema linealmente separable, por lo tanto el perceptrón no tiene ningún problema para clasificar los datos. Cuando modificamos ligeramente los datos, podemos verque sigue siendo un problema linealmente separable, por lo tanto también es perfectamente tratable por el perceptrón.


Segunda parte

1. Diseñe una red neuronal unicapa, con función deactivación tipo escalón, con dos entradas y dos salidas que sea capaz de clasificar los siguientes diez puntos en el plano, los cuales pertenecen a cuatro clases

Grupo 1: (0.1, 1.2), (0.7, 1.8), (0.8, 1.6)Grupo 2: (0.8, 0.6), (1.0, 0.8)
Grupo 3: (0.3, 0.5), (0.0, 0.2), (-0.3, 0.8)
Grupo 4: (-0.5, -1,5), (-1.5, -1.3)

2. Grafique los puntos antes indicados denotándolos respectivamente con +, o,...