Redes Neuronales

Redes Neuronales Artificiales

Redes Neuronales Artificiales

Adaline-Madaline
Utilizan un aprendizaje OFF LINE con supervisión
denominado LMS (Least Mean Squared) o regla del
mínimo errorcuadrático medio (Widrow). También
denominado Regla Delta.
El aprendizaje busca encontrar el mejor vector de
pesos posible en términos del criterio de error
cuadrático medio.
ADALINE está limitadaa una única neurona de
salida. Un vector x como su entrada y un número
real y como su salida. MADALINE es una
combinación de neuronas ADALINE.

2

Adaline-Madaline

x

x0=1
1

x

w2
w

Redes Neuronales Artificiales

1

s

x

N

Salida
lineal
y

2
w

N

Conmutador Salida
binaria
Conmutador bipolar
adaptativo
lineal

Estructura de la red ADALINE
3Redes Neuronales Artificiales

Adaline-Madaline

.
Capa de entrada
.
.

.
.
.

.
.
.

Capa de salida

Capa oculta
Estructura red MADALINE
4

ART (Adaptive Resonance Theory)Esta teoría se aplica a sistemas competitivos (redes
con aprendizaje competitivo).

Redes Neuronales Artificiales

La red busca categorizar los datos que le son
introducidos.
La teoría se basaen la idea de hacer resonar la
información de entrada con las categorías que ya
reconoce la red.

5

ART (Adaptive Resonance Theory)
Estructura:
Capa competitiva (salida)
Oi

RedesNeuronales Artificiales

-N

A

wij

1

wij

Capa de comparación (entrada)
Vj
1

-1

R

p

xj
6

ART (Adaptive Resonance Theory)
El aprendizaje es de tipo ON LINE, no se distingueentre etapa de entrenamiento y de funcionamiento.
Los pesos varían durante el funcionamiento de la red
cuando se aplica información de entrada a la misma.
Redes Neuronales Artificiales

Utilizaun aprendizaje no supervisado de tipo competitivo.
Se pueden dar dos tipos de aprendizaje:
Aprendizaje rápido. Se establece una nueva categoría.
Aprendizaje lento. Una información de entrada es...