Redes Neuronales Artificiales Tarea 6 BackPropagation II

1. Redes Neuronales Artificiales Tarea 6 BackPropagation II Dr. Juan José Flores Romero División de Estudios de Posgrado Facultad de Ingeniería Eléctrica juanf@zeus.umich.mx http://lsc.fie.umich.mx/~juan/ http://lsc.fie.umich.mx/~juan/Materias/ANN

2. Parte IReconocimiento de Caracteres • Su archivo de entrenamiento es digit_train.pat. Cada patrón tiene 64 entradas y 10 salidas. Las entradas son pixeled que representan dígitos decimales escritos a mano. Cada dígito representado poruna matriz de 8x8. Las salidas, 0 to 9, indican como la imagen es clasificada. Si la imagen representa al 3, la unidad 3 debe tener una salida de 1 y el resto de 0. Se tienen 3823 patrones en el conjunto de entrenamiento. • El alumno debe decidir cuantas unidades usar y por cuanto tiempo entrenar la red. You must decide how many hidden units to use, how long to train the network, etc. Tengan cuidado de no sobreentrenarla (overfitting). • Puden dividir el archivo en conjuntos de entrenamiento y de validación. • Entregar su archivo de red y un reporte que explique la estructura de la red, como la seleccionaron, cualquier fenómeno o situación interesanteque hayan encontrado, etc.

3. Parte IIEntrenamiento • Cargue el archivo xor.pat. • Inicialice la red. • Abra las ventanas de proyección y error. • Entrene la red por 5000 ciclos. • Repita la inicialización y aprendizaje 3 veces. Para cada vez, capture pantallas de las proyecciones finales de las entradas a la salida, de las entradas a la neurona ocula y de las entradas a la segunda neurona oculta. • ¿Qué función booleana implementa cada neurona oculta? ¿Qué función booleana de las neuronas ocultas implementa la neurona de salida? • ¿Cual es el resultado para entradas de 0.5, 0.5?