Redes neuronales
Download
1 / 11

REDES NEURONALES - PowerPoint PPT Presentation


  • 132 Views
  • Uploaded on

Universidad Autónoma del estado de hidalgo. REDES NEURONALES. Facilitador : Dr. Joel Suarez Autor: Ing. Henry P . Paz Arias. Redes Auto-organizadas. Arquitectura.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' REDES NEURONALES' - edan-schneider


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Redes neuronales

Universidad Autónoma

del estado de hidalgo

REDES NEURONALES

Facilitador:

Dr. Joel Suarez

Autor:

Ing. Henry P. Paz Arias

Redes Auto-organizadas


Arquitectura
Arquitectura

Cada neurona tiene un vector de pesos W de entrada asociado y la neurona con el vector de peso más cercano a la entrada P se activará.


Caracteristicas
Caracteristicas

Es una red no supervisada, se entrena solo con patrones de entrada

Las entradas se conectan a una única capa de neuronas donde cada nodo se conecta a su vecino y solo puede haber una neurona activa

La conexión puede ser lineal, cuadrada, hexagonal, irregular, etc.



Algoritmo de aprendizaje
Algoritmo de Aprendizaje


Entrenamiento
Entrenamiento

En los SOFM (Self-organizingFeatureMap), no solo se actualiza los pesos de la neurona que resulta ganadora en el aprendizaje, sino que se actualizan también los de la vecindad.


Procedimiento
Procedimiento

1. Asignar valores iniciales aleatorios pequeños a los pesos wij

2. Escoger un vector de entrada  x  del espacio de muestras y aplicarlo como entrada.

3. Encontrar el nodo de salida ganador (el producto punto máximo)


Procedimiento cont
Procedimiento (cont…)

4. Ajustar los vectores de peso de acuerdo a la siguiente formula de actualización:

wnuevos= wviejos + α [xi- wviejos]h(|i-g|,R(t))

dondeα es la tasa de aprendizaje y h(|i-g|,t) es la función de vecindad.


Procedimiento cont1
Procedimiento (cont…)

Modificación de los parámetros

T0es el numero total de iteraciones α0es la razón inicial de aprendizaje y t va desde 1,2,….T0


Procedimiento cont2
Procedimiento (cont…)

5. Repetir pasos 2 a 4 hasta que no ocurran cambios significativos en los pesos.



ad