Академический Документы
Профессиональный Документы
Культура Документы
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
Semestre
2010/2
2009/2 2010/2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Cerebro
Computador
Unidades Computacionales
1011Neurons
1CPU 105Gates
Velocidad de procesa.
10-2s (100hz)
3 Ghz
Unidades de Memoria
1011Neur, 1014Syn
1010Bits
Estilo de procesamiento
paralelo
Secuencial
Ancho de Banda
1014 Bit/Sec
109 Bit/Sec
No. Procesadores
1011-1012
pocos
Conexiones
10.000/proce.
pocas
Actualiz Neuronas/Sec
1014
105
Tolerancia a fallas
Amplia
nula
distribuido
Centralizado
Tipo de control
Auto-organizado
centralizado
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Caja negra
Caja blanca
No se tiene conocimiento
previo, pero se tienen
medidas (datos),
observaciones, records
Se establece el concepto de
aprendizaje a partir de los datos
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
Modelos basados en LD
Se dispone de un
Conocimiento estructurado
(experiencia, experticia,
o heursticas ). Se expresa
generalmente en reglas
R1: Si la Velocidad es
alta y distancia es
pequea
entonces la fuerza en
el
freno debera ser
grande.
R2: Si
UNIVERSIDAD EAFIT
2010/2
2009/2
Caja gris
En esta situacin se usan ambos: modelos neuro difusos
o modelos fuzzy-neuro
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Tipos de neuronas:
Interneuronas, envan informacin a otras neuronas.
Motoras: entregan la informacin directamente a los
msculos.
Receptoras o sensoras: reciben la informacin
directamente del medio externo.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
Polarizacin
2010/2
2009/2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
1.Conjuntodeunidadesde
procesamiento
Tres tipos de unidades:
Unidades de entradas, reciben seales del
ambiente
Unidades de salida, transmiten las seales
fuera de la RNA
Unidades ocultas, slo reciben seales de
unidades que pertenecen a la RNA.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
2.Estadodeactivacin
Magnitud de la variable de estado de la
unidad (por ej. 1 o 0)
Los valores de activacin pueden ser
discretos o contnuos, y limitados o ilimitados.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
3.Funcindesalida
La seal de salida de una unidad vara con su
actividad, de acuerdo con una funcin de
salida, generalmente una funcin de saturacin
no lineal.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Diferentesfuncionesdesalida
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
4.Conjuntodeconexiones
Las unidades de procesamiento estn
interconectadas. Con cada conexin se asocia
un peso conocido como peso de conexin o
peso sinptico. La magnitud de cada peso
representa la eficiencia con la cual la seal de
salida de una unidad es transmitida a la otra.
Segn el signo del peso las seales entrantes
pueden ser excitatorias (+), inhibitorias(-), o
nulas (0).
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
5.Conjuntodereglasde
propagacin
Una entrada en una unidad puede ser una
versin en escala de la seal de salida recibida,
pero tambin puede ser ms compleja si, por
ej., el peso sinptico es modulado por alguna
seal de salida.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
6.Regladecombinacin
Necesaria para generar la entrada neta de las
seales de salida pesadas o moduladas
provistas por la regla de propagacin. En el
caso de una simple suma de estas seales, la
regla de combinacin es del tipo simple; en
cualquier otro caso se nombrar como del tipo
complejo.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
7.Regladeactivacin
Necesaria para combinar la seal de entrada
con el estado actual. La regla de activacin
puede ser una ecuacin diferencial con
respecto al tiempo, en el caso contnuo, o una
ecuacin diferencia en el caso discreto. Adems
la regla de activacin puede ser determinstica o
estocstica. En este ltimo caso, se incluye una
fuente de ruido para producir cierta
incertidumbre sobre el estado presente de la
unidad.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
8.Reglademodificacin
La modificacin del funcionamiento de una RNA
en funcin del tiempo requiere la modificacin
de patrones de conectividad con el tiempo,
usando alguna regla de modificacin.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
9.Ambiente
Provee las seales a las unidades de entrada.
Las seales de entrada pueden ser discretas o
contnuas, constantes o dependientes del
tiempo, y determins-ticas o estocsticas.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Unidadneuronal
n
ai g ini g W j ,i a j
j 0
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Funcindeneuronasimple
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
Neuronamultientrada
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
RedNeuronalmonocapa
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
RedNeuronalmulticapa
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
RedNeuronalmulticapa
Red de una sola capa (hacia adelante)
w
x
x
x1
y1
12
n1
w
w
11
2 1
n 2
22
x2
2 m
1m
nm
xm
yn
entrada
y1
x1
x2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
escondidas
salida
y2
y1
y2
xm
UNIVERSIDAD EAFIT
yn
2010/2
2009/2
Salida
Entrada
..
.
..
.
Reconocedor
Neuronal
de Sonidos
Pistola1, pistola2?
Conocimiento
pistola1
Operacionesbsicas
Aprendizaje supervisado
Los pesos de las conexiones se ajustan de manera tal que se
reduzcan las discrepancias entre la salida real y la deseada, para todos
los pares entrada/salida del conjunto de entrenamiento.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
RedesNeuronalesderetropropagacin
Las neuronas artificiales reciben, procesan y
comunican actividades y debido a esto, sus
estados cambian con el tiempo. La red es
enfrentada a un patrn de entrada y, gracias
a enlaces que realimentan a la red, va
actualizando su estado.
Las redes neuronales artificiales analgicas
son usadas en la resolucin de problemas de
optimizacin.
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlconRedesNeuronales
Funcin de aproximador
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlconRedesNeuronales
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlconRedesNeuronales
Entrada gas
Sensor
ctodo fro
TPG 300
Vlvula de
aguja
2 x10 -3 mB
Sensor
pirani
Cmara
de vaco
Vlvula
electroneumtica
Bomba
de vaco
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlconRedesNeuronales
tanhw1 V b1 f
w2 f b2 p
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
BIBLIOGRAFIA
Neuro-Fuzzy and soft computing, J.S. Roger Jang, C. Tsai Sun, Eiji
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2
ControlEmbebidos
e Instrumentacin Electrnica
Sistemas
UNIVERSIDAD EAFIT
2010/2
2009/2