PRES Redes Neur0nal

Fundamentos y Aplicaciones de Redes Neuronales Francisco Cubillos
REDES NEURONALES ARTIFICIALES ( RNA, NN)

Fundamentos y Aplicaciones de Redes
Neuronales
Francisco Cubillos
Neuronales
Francisco Cubillos

Neuronales
Francisco Cubillos
Neuronales
Francisco Cubillos











Neuronales
Francisco Cubillos






Neuronales
Francisco Cubillos

En aplicaciones de ingeniera, que involucra
fundamentalmente la tarea de aproximacin
funcional, la estructura m usada es la red
neuronal tipo perceptron multicapa Feedforward
(FFNN) con una capa oculta, producto interno
como confluencia y sigmoides como funciones
de activacin


Red Recurrente



Np
b W
Yred Y
,
2
) exp ( min
Entrenamiento en un esquema de optimizacin
Programacin matemtica NLP
Algoritmos genticos
Otros mtodos Meta-Heursticos
Neuronales
Francisco Cubillos
Neuronales
Francisco Cubillos
0 10 20 30 40 50 60
10
-5
10
-4
10
-3
10
-2
10
-1
10
0
10
1
Performance is 1.36315e-005, Goal is 1.369e-005
69 Epochs
T
r
a
i
n
i
n
g
-
B
l
u
e

G
o
a
l
-
B
l
a
c
k







Las fallas de generalizacin se deben a :
Escasos datos
Datos correlacionados o deficientes
Exceso de grados de libertad (muchas neuronas)
Entrenamiento mal realizado


Cual es el numero de nodos optimo en las
capas ocultas?
Variable abierta. No debiera influir si el
entrenamiento es ideal.
Usar metodologa sistemtica
Partir con pocos nodos
Aumentar hasta generalizacin aceptable.
Heurstica -> ( Nentradas+N salidas)/2

Neuronales
Francisco Cubillos


OTROS ASPECTOS A CONSIDERAR
ENTRADAS
SALIDAS
FUNCIONES DE ACTIVACION
INICIALIZACION





PASOS A SEGUIR PARA DESARROLLAR UN MODELO NEURONAL

Data entrada salida
Adimensionalizar si es necesario
Crear la red (newff)
Entrenar la red (train)
Simular comportamiento (sim)
Chequear comportamiento de la red (residuos y/o graficamente)
Trasladar la red a ambiente de produccin

function net = newff(pr,s,tf,btf,blf,pf)
%NEWFF Create a feed-forward backpropagation network.
%
% Syntax
%
% net = newff(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF)
%
% Description
%
% NEWFF(PR,[S1 S2...SNl],{TF1 TF2...TFNl},BTF,BLF,PF) takes,
% PR - Rx2 matrix of min and max values for R input elements.
% Si - Size of ith layer, for Nl layers.
% TFi - Transfer function of ith layer, default = 'tansig'.
% BTF - Backprop network training function, default = 'trainlm'.
% BLF - Backprop weight/bias learning function, default = 'learngdm'.
% PF - Performance function, default = 'mse'.
Crear una red neuronal
COMANDOS MATLAB
function [net,tr]=train(net,P,T,Pi,Ai,VV,TV)
%TRAIN Train a neural network.
%
% Syntax
%
% [net,tr] = train(NET,P,T,Pi,Ai)
% [net,tr] = train(NET,P,T,Pi,Ai,VV,TV)
%
% Description
%
% TRAIN trains a network NET according to NET.trainFcn and
% NET.trainParam.
%
% TRAIN(NET,P,T,Pi,Ai) takes,
% NET - Network.
% P - Network inputs.
% T - Network targets, default = zeros.
% Pi - Initial input delay conditions, default = zeros.
% Ai - Initial layer delay conditions, default = zeros.
% and returns,
% NET - New network.
% TR - Training record (epoch and perf).
function [Y,Pf,Af]=sim(net,P,Pi,Ai)
%SIM Simulate a neural network.
%
% Syntax
%
% [Y,Pf,Af] = sim(net,P,Pi,Ai)
% [Y,Pf,Af] = sim(net,{Q TS},Pi,Ai)
% [Y,Pf,Af] = sim(net,Q,Pi,Ai)
%
% Description
%
% SIM simulates neural networks.
%
% [Y,Pf,Af] = SIM(net,P,Pi,Ai) takes,
% NET - Network.
% P - Network inputs.
% Pi - Initial input delay conditions, default = zeros.
% Ai - Initial layer delay conditions, default = zeros.
% and returns:
% Y - Network outputs.
% Pf - Final input delay conditions.
% Af - Final layer delay conditions.
Interfaz grafica de Matlab nntool

Ejemplo a resolver:
Una consultora desea establecer un modelo predictivo de factores de
emisin para vehculos como funcin de las caractersticas mas
importantes. Se dispone de una base de datos con mediciones de FE
considerando las siguientes caractersticas de los vehculos: Ao
fabricacin, HP, N de cilindros, Aceleracin, carrera pistn y peso.

Construir un modelo predictivo basado en redes neuronales para este
problema

PRES Redes Neur0nal

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

PRES Redes Neur0nal

Загружено:

Авторское право:

Доступные форматы

Fundamentos y Aplicaciones de Redes Neuronales Francisco Cubillos

REDES NEURONALES ARTIFICIALES ( RNA, NN)

Вам также может понравиться