Академический Документы
Профессиональный Документы
Культура Документы
95
90
85
80
75
70
65
20
40
60
80
100
120
140
160
180
Nmero de registros
Fuente: Elaboracin propia
3.4.5.
Proceso de aprendizaje
neuronales articiales de base radial los parmetros existentes son: los centros y las
desviaciones, pesos y umbrales. Los centros y desviaciones siempre dependen de la
cantidad y dispersin de los datos y la cantidad de neuronas consideradas en la capa
oculta, mientras los pesos existen solamente, en los modelos de base radial, en las conexiones entre las neuronas de la capa oculta a la capa de salida y el umbral nicamente
lo dispone las neuronas de la capa de salida, son las caractersticas particulares de los
modelos basados en redes neuronales de base radial. Dichos parmetros para la red
neuronal inician con valores generados aleatoriamente.
Figura 3.30: Modelo considerando el ujo vehicular total
1
Xi
.
.
.
(N-j)
.
.
.
N
En consecuencia, es preciso denir con claridad la nomenclatura y los argumentos requeridos para el proceso de aprendizaje. Teniendo el conjunto de muestras, representado
por el registro de datos del aforo vehicular y la generacin del nivel sonoro asociado,
sern los patrones de ingreso al modelo AN 4 . Sea tXpnq, Spnq, n 1, 2, . . . , N u el conjunto de los patrones de entrada, siendo Xpnq el registro del ujo vehicular y Spnq el
nivel sonoro asociado y n 1, 2, . . . , N cualquier muestra o patrn del conjunto total
de muestras N .
Obtencin de los centros y amplitudes
Para el aprendizaje de la red neuronal articial de base radial se elije el mtodo de
aprendizaje hbrido que comprende de dos etapas: una fase no supervisada que determina las bases y amplitudes y otra fase supervisada encargada de obtener los pesos y
52
amplitudes del modelo de red neuronal. El procedimiento para determinar los centros
de las funciones de base radial se realizar mediante el algoritmo de k-medias, que es
un algoritmo que consiste dividir el espacio muestral de entrada en clases, el nmero
de clases se corresponde con el nmero de neuronas de la capa oculta de la red.
Teniendo en cuenta los patrones de entrada Xpnq px1 pnq, x2 pnq, , xp pnqq, con
n 1, 2, , N y N el nmero total de muestras, por otra parte, sea los centros de
las funciones de base radial denidos, Ci pci1 , ci2 , , cip q, con i 1, 2, , k y k
equivalente al nmero de neuronas en la capa oculta, es una matriz m p, los pasos
para la obtencin de los Ci son los siguientes:
1. Inicializar los centros Ci para todas las clases k; el valor inicial se le atribuye
aleatoriamente, obteniendo los valores dentro del rango de la muestra.
2. Seleccionar Ni patrones de entrada para cada clase i, mediante: la muestra Xpnq
est dentro de la clase i si cumple: }Xpnq Ci } }Xpnq Cs }, para todo s i,
con s 1, 2, , k
3. Obtener la nueva posicin de los centros como el promedio de todos las muestras
que pertenece a su clase, mediante la Ecuacin 3.15
cij
Min xj pnq
(3.15)
n1
para j 1, 2, , N y k 1, 2, , k
4. Repetir los pasos dos y tres hasta que las diferencias de los centros anterior y
actual sea menor al margen permitido, Ecuacin 3.16
anterior
}Ciactual Ci1
}
(3.16)
53