05 (power point)-héctor patiño
-
Upload
alejandro-perez -
Category
Engineering
-
view
50 -
download
7
Transcript of 05 (power point)-héctor patiño
Red Perceptron
Red Perceptron
Alejandro Patio PrezIngeniero MecatrnicoEscuela de Ingeniera de AntioquiaEstudiante de maestra en ingeniera de sistemasUniversidad Nacional de ColombiaCorreo: [email protected]
Definicin
Arquitectura
Codificacin
1
Agenda2
Estndar para la notacin3
3
La Red Perceptron es una red mono capa la cual tiene una funcin de activacin escaln o tambin conocida como el limitador duro:
Posee peso de umbral o Bias.Est totalmente conectada.Como su funcin de activacin es binaria me permite dividir el espacio de solucin en dos partes.Red Perceptron4
Red PerceptronFuncin de activacin:
5Creacin Propia
Red PerceptronArquitectura de la red:
6Creacin Propia
Red Perceptron
7
Red Perceptron
8
Red Perceptron9
Red Perceptron10
Red PerceptronCompuerta lgica AND:La red perceptron nos sirve para dar solucin al modelo de la compuerta lgica AND, ya que dependiendo de unos valores de entrada se puede obtener una salida 1 o 0, 1 o -1. Se busca una recta que separe correctamente los patrones.
11X1X2Salida111100010000
Red PerceptronAlgoritmo de implementacin:Se inicializan los pesos de manera aleatoria.Se presenta la primera entrada a la red y se calcula la salida total teniendo en cuenta la funcin de activacin.Se calcula el error y se acumula el error cuadrtico medio para la entrada, teniendo en cuenta el valor deseado.Se actualizan los pesos de la red con respecto al error.Se ejecutan los pasos 2, 3 y 4 para los dems datos de entrada.Se pregunta por el error cuadrtico medio, si es 0 se para el proceso, de lo contrario se repiten los pasos 2, 3, 4 y 5 hasta que se cumpla el numero de iteraciones programados. Nota: se debe inicializar el error cuadrtico medio en cada iteracin.Se obtienen los pesos de la red, el error de cada entrada y el error cuadrtico medio.
12
Muchas gracias por su atencinPrximo tema: Red Adaline13
BibliografaISAZI, P. Redes de Neuronas Artificiales. Ed. Prentice Hall Latinoamrica, Primera Edicin, Mxico, 2.002.
MARTIN DEL BRIO, Bonifacio. Redes Neuronales y Sistemas Borrosos. Ed. Alfa Omega, Tercera Edicin, Mxico, 2010.
CAICEDO BRAVO, Eduardo F. Una Aproximacin Prctica a las Redes Neuronales Artificiales. Ed Universidad del valle, Colombia, 2009.
NG, Andrew. Curso Machine Learning. Stanford University.
14