red neuronal

Red Perceptron (clasificación)
La red perceptrón es una red de propagación hacia delante (feedforward), supervisada.
En esta red, la salida se calcula directamente a partir de la entrada en un solopaso y no
se requiere retropropagación (feedback). Normalmente se utiliza en reconocimiento de
patrones y como aproximador a funciones. Lo que es util para calcular filtros
adaptativos y controlautomático.

Comportamiento básico
La siguiente técnica es valida para pocas neuronas de entrada, pero es suficiente para
entender como funciona esta red. Solo se puede usar en datos linealmenteseparables.
Diseño
• Definición de la red perceptrón:
n = wp + b
• Si son 2 entradas y una neurona
n = w1,1 p1 + w2,1 p2 + b;
En la frontera n=0 entonces se da el cambio.
0 = w1,1 p1 + w2,1 p2 +b;
• Cruces por cero, es decir
si P1=0 → w2,1 =-b/P2
si P2=0 → w1,,1 =-b/P2
• Para verificar hay que checar que se clasifique bien.
Fronteras de decisión, es donde se da el cambio de clase, si seusa una hardlimit es
cuando se da el cambio de 0 a 1 o de 1 a 0, en el valor de n.
Entrenamiento [2]
• w nueva= w anterior + e pT
• b nueva= b anterior + e
• donde e es el error :
e = target –salida anterior

Reglas de aprendizaje generalizado para una red perceptrón.
Para poder generalizar el comportamiento de la red perceptrón es importante que
es una regla de aprendizaje.
Una reglade aprendizaje, es un procedimiento para modificar los pesos y bias de una
red y también se le conoce como algoritmo de entrenamiento. EL propósito de la regla
de aprendizaje es estrenar a la redpara realizar una tarea. Existen diversos tipos de
algoritmos, pero en general caen en tres categorías:

1. Aprendizaje supervisado, en este tipo de algoritmos se proporcionan ejemplos
denominadoset de entrenamiento (training set) y el conjunto de respuestas que
estamos esperando a la salida y que normalmente denominamos set de salida
objetivo (target set). El algoritmo se usa para...