Optimización, Redes Neuronales y Lógica Difusa.

Enero 2009

Dr. Ing. JuanCevallos

OPTIMIZACION

• Gradiente descendente

• Método de Newton

• Gradiente conjugado

• Búsqueda de la sección dorada

Búsqueda de la Sección Dorada

Redes Neuronales

Establecer una FunciónEstablecer una función para un conjunto de Q vectores de entradacomo columnas en una matriz. Y conjunto de Q vectores objetivo

(salida correcta para cada uno de los vectores input)en una segunda matriz.

Comandos:%Cargar archivo• >> load house_dataset%Crear red rna• >> net=newfit(houseInputs,houseTargets,20);%Entrenar la Red%Por default algoritmo de entrenamiento de Levenberg Marquardt%60% datos para entrenamiento; 20% validar; 20% test de generalizar• >> net=train(net,houseInputs,houseTargets);

Simulación%Nuevo dato (dato 1 que da t = 24)p1=[0.0663;18;2.31;0;0.5380;6.5750;65.2;4.09;1;296;15.3;396.9;4.98];%Simular red, considerando dato p1, que da 24.t1=sim(net,p1)t1 = 25.9920% Valor cercano a 24.%Si cambiamos p1 por p2p2=[0.0663;18;2.31;0;0.5380;6.5750;65.2;4.09;1.3;296;15.3;396.9;5.98

];t2=sim(net,p2)t2 = 25.8227%Nuevo valor cercano

CON INTERFASE GRAFICA DE USUARIO

• nntool

• New

• Train

• Siumulation

LOGICA DIFUSA

• Es una teoría relacionada a clases de objetos con fronteras no definidas con claridad, en las cuales la pertenencia a una clase es materia de grado / gradación.

• La necesidad de precisión sobre los valores puede variar.

Problema

• Propinas a un mesero• Calificación de la calidad del servicio de 0 a 10.• Calificación de la calidad de la comida de 0 a 10.Reglas:1. Si servicio pobre o comida rancia: propina reducida.2. Si servicio bueno : propina promedio.3. Si servicio excelente o comida deliciosa: propina

generosa.4. Propina Promedio = 15%, generosa = 25% y

reducida=5%.

Construir un Sistema de Inferencia Difusa

• Fuzzy

Fin