Redes Neuronales

REDES NEURONALES ARTIFICIALES

Tópicos Selectos de T.I.

REDES NEURONALES ARTIFICIALES

DEFINICIÓN

Sistema de procesamiento de información con desempeño similar al de las RN BiológicasREDES NEURONALES ARTIFICIALES

BASES DEL MODELO
EL procesamiento de información se da a lo largo de un gran número de elementos simples llamados neuronas. Entre neuronas, las señales setransmiten por ligas de conexión. A cada liga de conexión se asigna un peso que multiplica la señal transmitida. Cada neurona aplica una Función de Activación en su red de entrada (la cual es la suma pesadade las señales de entrada) para obtener su función de salida

C A R A C T E R I Z A C I Ó N D E R Ns
Los enlaces de conexión entre las neuronas determinan la arquitectura de la red.

El métodopara determinar los pesos, se conoce como Regla de Aprendizaje.

La Función de Activación, la cual es normalmente una función no lineal

REDES NEURONALES ARTIFICIALES

MODELOS DE ENTRENAMIENTOEntrenamiento Supervisado.
Cada vector de entrada está asociado a un vector de salida

Entrenamiento No Supervisado
No hay patrones de entrenamiento que representan patrón típico de cadaclase.

REDES NEURONALES ARTIFICIALES

E J E M P L O: Compuerta lógica O R
X1 X2 X1 OR X2 V V V V F V F V V F F F Función de activación

Actualización de pesos X1 1 1 -1 -1 X2 X1 OR X2 1 1 -1 1 11 -1 -1

Pesos iniciales aleatorios: w1= 1.2 w2= -1.2 Θ = -0.4 ε = 0.5

E J E M P L O: Compuerta lógica O R

X1 1 1 -1 -1

X2 X1 OR X2 1 1 -1 1 1 1 -1 -1

X1 X2 -1

1.2 Función deaprendizaje -1.2 -0.4

Σf
≥ - 0.4 ≥ - 0.4 y=1 y=1 y=-1 y=1 Error!! Error!!

Entrada: (1,1), meta= 1 Entrada: (1,-1), meta= 1 Entrada: (-1,1), meta= 1 Entrada: (-1,-1), meta= -1

1(1.2) + 1 (-1.2) =0 1(1.2) - 1 (-1.2) = 2.4

-1(1.2) + 1 (-1.2) = -2.4 ≥ - 0.4 -1(1.2) - 1 (-1.2) = 0 ≥ - 0.4

…REAJUSTE DE PESOS

E J E M P L O: Compuerta lógica O R
X1 X2 -1 1.2 -1.2 -0.4

Σf

y...