Redes neuronales
Sponsored Links
This presentation is the property of its rightful owner.
1 / 11

REDES NEURONALES PowerPoint PPT Presentation


  • 101 Views
  • Uploaded on
  • Presentation posted in: General

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

Download Presentation

REDES NEURONALES

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


Universidad Autónoma

del estado de hidalgo

REDES NEURONALES

Facilitador:

Dr. Joel Suarez

Autor:

Ing. Henry P. Paz Arias

Redes Auto-organizadas


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

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.


Convergencia


Algoritmo de Aprendizaje


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

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…)

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 (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 (cont…)

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


DEMO


  • Login