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

REDES NEURONALES PowerPoint PPT Presentation


  • 89 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


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.


Convergencia

Convergencia


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.


Redes neuronales

DEMO


  • Login