EL PERCEPTRON

El caso ms sencillo de Red Neuronal (RN) es el que presenta una sola neurona
de cmputo. A esta estructura se le denomina perceptrn y su estudio resulta
obligado antes de profundizar en redes neuronales ms complejas.

El perceptrn multicapa es una red neuronal artificial (RNA) formada por mltiples
capas, esto le permite resolver problemas que no son linealmente separables, lo
cual es la principal limitacin del perceptrn (tambin llamado perceptrn simple).
El perceptrn multicapa puede ser totalmente o localmente conectado. En el
primer caso cada salida de una neurona de la capa "i" es entrada de todas las
neuronas de la capa "i+1", mientras que en el segundo cada neurona de la capa "i"
es entrada de una serie de neuronas (regin) de la capa "i+1".

Las capas pueden clasificarse en tres tipos:

-

Capa de entrada: Constituida por aquellas neuronas que introducen los

patrones de entrada en la red. En estas neuronas no se produce
procesamiento.
Capas ocultas: Formada por aquellas neuronas cuyas entradas provienen
de capas anteriores y cuyas salidas pasan a neuronas de capas
posteriores.
Capa de salida: Neuronas cuyos valores de salida se corresponden con las
salidas de toda la red.

La propagacin hacia atrs (tambin conocido como retropropagacin del error o

regla delta generalizada), es un algoritmo utilizado en el entrenamiento de estas
redes, por ello, el perceptrn multicapa tambin es conocido como red de retro
propagacin (no confundir con la red de contrapropagacin).
A continuacin se muestran los resultados de las prcticas de laboratorio:

LAB. I COMPUERTA OR DE DOS ENTRADAS USANDO EL PERCEPTRON

1. Condiciones iniciales en la gua del estudiante

2. Valores aleatorios

LAB. 2 : CLASIFICACIN DE 10 PUNTOS DE ENTRADA DENTRO DE 4

REGIONES USANDO UN CAPA DE DOS ENTRADAS CON 2 NEURONAS

1. Condiciones Iniciales en la Gua del Estudiante

2. Valores aleatorios

RECOMENDACIONES
-

Usar versiones anteriores a 2010 de Matlab por que en las versiones

actuales el programa no corre normalmente
Tener cuidado al tipear ciertos comandos especialmente los de la parte de
grficas.
El Perceptrn Multicapa no extrapola bien, es decir, si la red se entrena mal
o de manera insuficiente, las salidas pueden ser imprecisas.
La existencia de mnimos locales en la funcin de error dificulta
considerablemente el entrenamiento, pues una vez alcanzado un mnimo el
entrenamiento se detiene aunque no se haya alcanzado la tasa de
convergencia fijada.

UNIVERSIDAD NACIONAL DEL ALTIPLANO

FACULTAD DE INGENIERIA MECANICA, ELECTRONICA Y SISTEMAS

CARRERA PROFESIONAL DE INGENIERIA ELECTRONICA

ENSAYO SOBRE EL PROCESAMIENTO DIGITAL SE SEALES

CURSO:
INTELIGENCIA ARTIFICIAL

PRESENTADO POR:
JOSE LUIS ARAUCANO PAREDES

PUNO-PERU

2014