Académique Documents
Professionnel Documents
Culture Documents
Aprendizaje del
Perceptron
Multicapa
Mediante
Retropropagacin
del Error
Batch Training
Temario
Dibuje un perceptron multicapa con 2
entradas, 2 neuronas escondidas, y una
neurona de salida
Escriba las frmulas de actualizacin de cada
uno de los pesos de conexin entre las
neuronas de la capa oculta y la capa de salida.
Frmulas de actualizacin de los pesos de
conexin entre las entradas y las neuronas de
la capa oculta.
2
Batch Training
Temario
Escriba el programa para realizer el aprendizaje por
retropropagacin del error para que la red neuronal del
ejercicio 1 aprenda a partir de los patrones de
entrenamiento de una compuerda XOR. Considere un
factor de aprendizaje de 0,1; alfa=4. Grafique la curva
de aprendizaje. Considere aprendizaje en lnea(ejemplo
por ejemplo).
Grafique las lneas de frontera de la red neuronal de
acuerdo a lo realizado en la actividad 7
Repita el numeral 4 pero con aprendizaje en paquete
(batch). Grafique las lneas de frontera de la red
neuronal de acuerdo a lo realizado en la actividad 7
Batch Training
Batch Training
Batch Training
Batch Training
Perceptrn multicapa con una entrada, una neurona
escondida y una neurona de salida.
Batch Training
Perceptrn multicapa con una entrada, una neurona
escondida y una neurona de salida.
Batch Training
Batch Training
10
Batch Training
11
Batch Training
Programa Realizado
%Factor de Aprendizaje
eta=0.5;
w01=-1.1;
w11=1.2;
w21=-0.1;
w02=-0.5;
w12=1.1;
w22=0.9;
ws0=-2.1;
ws1=-1.1;
ws2=0.1;
dw01=0;
dw11=0;
dw12=0;
dw02=0;
dw21=0;
dw22=0;
dws0=0;
dws1=0;
dws2=0;
c=0;
%Entradas
in0=1;
in1=[0 0 1 1];
in2=[0 1 0 1];
%Salidas
out1=[0 0 0 0];
out2=[0 0 0 0];
out=[0 0 0 0];
%Objetivo
targ=[0 1 1 0];
%Factor de Suavidad
alpha=4;
Sigmoide
12
Batch Training
Programa Realizado
13
Batch Training
Programa Realizado
14
Batch Training
Curva de
aprendizaje
15
Batch Training
Lneas de frontera
16
Batch Training
Lneas de frontera
17
Batch Training
18
Batch Training
El algoritmo de aprendizaje descenso
de gradiente contiene una suma
sobre
todos
los
patrones
de
entrenamiento p
19
Batch Training
20
Batch Training
21
Batch Training
22
Batch Training
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
10
20
30
40
50
60
70
80
90
100
23
Batch Training
1
0.8
out
0.6
0.4
0.2
0
1
0.5
in2
0.2
0.4
0.6
0.8
in1
24
Batch Training
25