Redes Neuronales
Páginas: 3 (531 palabras)
Publicado: 21 de noviembre de 2012
Ejercicios de Ingeniería del Conocimiento
EJERCICIOS DE REDES NEURONALES
1. Sea la siguiente red neuronal con una única neurona oculta. Realiza una iteración para el patrón P1= (1 0 1) y otrapara el patrón P2=(1 1 0) utilizando la función XOR como función discriminante. Usa además como algoritmo de aprendizaje el algoritmo de Backpropagation propuesto por Rumelhart y McClelland.
X4X3
X0
X1
X2
El factor de aprendizaje debes elegirlo mientras que los vectores de pesos iniciales serán los siguientes: W3j = (1.5, 1, 1) para j = 0,1,2 W4j = (1, 1, -2) para j = 0,2,3
2.Supongamos que tenemos que separar los puntos P1=(1,1), P2=(1,0), P3=(0,1) por la función f(x,y)=3x+2y>2 (es decir, devuelve 1 si se cumple la desigualdad y 0 si no la cumple). Para ello construye unperceptrón simple y utiliza como función de activación la función sigmoide, una función de aprendizaje basada en la Regla Delta generalizada y un factor de aprendizaje ε = 0.5 . Asigna valoresaleatorios y pequeños, tanto positivos como
1
Ejercicios de Ingeniería del Conocimiento negativos a los pesos sinápticos. Realiza sólo una iteración para cada uno de los patrones de entrada.
3. Seala siguiente red neuronal con una única neurona oculta. Realiza una iteración para el patrón P1= (1 0 1) y otra para el patrón P2=(1 1 0) utilizando la función XOR como función discriminante. Usaademás como algoritmo de aprendizaje el algoritmo de Backpropagation propuesto por Rumelhart y McClelland.
4. Considera los siguientes 3 ejemplos. Construye un perceptrón multicapa con una unidad en lacapa oculta. Realiza una sólo iteración para todos los patrones, suponiendo un valor umbral de 4, unos pesos iniciales wij=1 y un factor de aprendizaje = 0.6. Utiliza también una función de activaciónsigmoide y la regla delta generalizada como regla de aprendizaje. ¿Cuáles son los pesos finales?
X1 1 0 0 0
X2 1 1 0 0
X3 0 1 1 0
X4 1 0 1 1
Clase + +
5. Se cree que los niños...
EJERCICIOS DE REDES NEURONALES
1. Sea la siguiente red neuronal con una única neurona oculta. Realiza una iteración para el patrón P1= (1 0 1) y otrapara el patrón P2=(1 1 0) utilizando la función XOR como función discriminante. Usa además como algoritmo de aprendizaje el algoritmo de Backpropagation propuesto por Rumelhart y McClelland.
X4X3
X0
X1
X2
El factor de aprendizaje debes elegirlo mientras que los vectores de pesos iniciales serán los siguientes: W3j = (1.5, 1, 1) para j = 0,1,2 W4j = (1, 1, -2) para j = 0,2,3
2.Supongamos que tenemos que separar los puntos P1=(1,1), P2=(1,0), P3=(0,1) por la función f(x,y)=3x+2y>2 (es decir, devuelve 1 si se cumple la desigualdad y 0 si no la cumple). Para ello construye unperceptrón simple y utiliza como función de activación la función sigmoide, una función de aprendizaje basada en la Regla Delta generalizada y un factor de aprendizaje ε = 0.5 . Asigna valoresaleatorios y pequeños, tanto positivos como
1
Ejercicios de Ingeniería del Conocimiento negativos a los pesos sinápticos. Realiza sólo una iteración para cada uno de los patrones de entrada.
3. Seala siguiente red neuronal con una única neurona oculta. Realiza una iteración para el patrón P1= (1 0 1) y otra para el patrón P2=(1 1 0) utilizando la función XOR como función discriminante. Usaademás como algoritmo de aprendizaje el algoritmo de Backpropagation propuesto por Rumelhart y McClelland.
4. Considera los siguientes 3 ejemplos. Construye un perceptrón multicapa con una unidad en lacapa oculta. Realiza una sólo iteración para todos los patrones, suponiendo un valor umbral de 4, unos pesos iniciales wij=1 y un factor de aprendizaje = 0.6. Utiliza también una función de activaciónsigmoide y la regla delta generalizada como regla de aprendizaje. ¿Cuáles son los pesos finales?
X1 1 0 0 0
X2 1 1 0 0
X3 0 1 1 0
X4 1 0 1 1
Clase + +
5. Se cree que los niños...
Leer documento completo
Regístrate para leer el documento completo.