Академический Документы
Профессиональный Документы
Культура Документы
Adaline-Madaline
cuadrático medio.
ADALINE está limitada a una única neurona de
salida. Un vector x como su entrada y un número
real y como su salida. MADALINE es una
combinación de neuronas ADALINE.
2
Adaline-Madaline
x0=1
x
1 w s Salida
1
x
2 lineal
w y
2
Conmutador Salida
Redes Neuronales Artificiales
x w binaria
N N
Conmutador bipolar
adaptativo
lineal
. . .
Capa de entrada. . Capa de salida
Redes Neuronales Artificiales
.
. . .
Capa oculta
5
ART (Adaptive Resonance Theory)
Q Estructura:
Capa competitiva (salida)
Oi
-N
wij wij
1 -1
A Capa de comparación (entrada) R
Redes Neuronales Artificiales
Vj
1 p
xj
6
ART (Adaptive Resonance Theory)
7
ART (Adaptive Resonance Theory)
Aplicaciones:
Tareas de reconocimiento de patrones
Modelamiento de procesos biológicos
Diseño de sistemas de control y diagnóstico
adaptativo.
Redes Neuronales Artificiales
8
Mapas autorganizados de Kohonen
9
Mapas autorganizados de Kohonen
10
Q Suponiendo que un vector de entrada tiene N
características y se representa por un vector X en
un espacio de patrones N-dimensional.
Q La red mapea el patrón de entrada hacia un
espacio de salida.
Por ejemplo, el espacio de salida puede ser un
Redes Neuronales Artificiales
Q
array unidimensional o bidimensioanl de nodos
de salida, que posee cierto orden topológico.
11
Mapas autorganizados de Kohonen
Estructura de la red
...
........................ Capa de Salida
...
Redes Neuronales Artificiales
Conexiones feedforward
12
Mapas autorganizados de Kohonen
Redes Neuronales Artificiales
13
Mapas autorganizados de Kohonen
– Funcionamiento
14
Q La cuestión es cómo entrenar la red para que esa
relación de orden se preserve.
Q Kohonen propuso que las neuronas de salida
interactuaran lateralmente, llegando así a los mapas
de características autorganizativos.
Redes Neuronales Artificiales
15
Q La característica más importante del modelo es
el concepto de aprendizaje en un vecindario
próximo a la neurona ganadora.
Q El tamaño del vecindario decrece en cada
iteración.
La fase de entrenamiento es la siguiente:
Redes Neuronales Artificiales
16
Q (1) se selecciona la neurona ganadora con la
distancia Euclídea
Q Sea i* el índice del ganador, y sea I*el conjunto
de índices correspondiente a un vecindario
definido del ganador i*.
(2) los pesos asociados con el ganador y su
Redes Neuronales Artificiales
Q
vecindario se adaptan de la siguiente forma:
17
Aprendizaje competitivo
con sensibilidad en la Historia
18
Regla de aprendizaje competitivo
19
Mapas autorganizados de Kohonen
20
Mapas autorganizados de Kohonen
21
Mapas autorganizados de Kohonen
Q Funcionamiento:
– Cuando se presenta a la entrada una
información, cada una de las M neuronas de la
capa de salida la recibe por medio de las
conexiones feedforward con pesos wji.
– Las neuronas reciben las entradas debidas a las
Redes Neuronales Artificiales
22
Mapas autorganizados de Kohonen
Q Aplicaciones:
– Reconocimiento de patrones (voz, texto,
imágenes, señales, etc.)
– Codificación de datos
– Compresión de imágenes
Redes Neuronales Artificiales
23
Redes Neuronales Artificiales
24