Introducción a redes neuronales artificiales. Teoría y aplicaciones (página 2)
13
Procesador elemental.
Unidad de agregación
Unidad de Activación
f(a)
Input
Output
xi
wi
a=netai
f
14
Procesador elemental.
ANN Feedforward: Se construye colocando las neuronas en capas y conectando las salidas de una capa con las entradas de las neuronas de la próxima capa.
Capas de una red:
Capa de entrada Zona sensorial ( S)
Capa de salida Zona de Respuesta ( R)
Capas ocultas Zona de asociación ( A)
ANN: Aprendizaje y Generalización Métodos Actuales
Tipos de Aprendizaje
Tipos de Arquitectura
Tipos de Función de Transición: deterministas, probabilistas
Tipo de Algoritmo de Aprendizaje: BPL, PPL, LM, etc
Supervisado
No – Supervisado
Híbridos
FeedForward
Single, Multiple
Recurrentes
15
16
Feedforward Neural Network
17
Redes Feedforward
FANN La capa 0 no realiza procesamiento alguno, solo distribuye las entradas a la capa siguiente
(Gp:) x1
(Gp:) x2
(Gp:) S
18
Modelo de Turing
xi(t) =
? i=1,…,n
(Gp:) 1
å wij xj(t-1) – bi
n
j=1
W (conectividad de la NN)
b = (bi ) vector de umbrales
wij
xi(0) ? {0,1}
19
Arquitectura
En función de la conectividad de las capas, podemos hablar de redes recurrentes (feed-back) y redes no recurrentes o redes en cascada (feed-forward).
Lo más usual es disponer las unidades en forma de capas, pudiéndose hablar de redes de una capa oculta, o de más de dos capas ocultas (redes multicapa
20
Neuronas y Redes simples.
ANN Recurrente: La salida de una neurona es la entrada de neuronas de capas anteriores (feedback).
Feedback lateral: La salida de una neurona es la entrada de otra neurona en la misma capa.
21
Neuronas y Redes simples.
Parámetros de la Red: Los pesos {wi}.
Aprendizaje o entrenamiento: Es el procedimiento mediante el cual los pesos son ajustados.
Conjunto de entrenamiento: Conjunto de datos que consiste vectores de entrada asociado con vectores de salida deseada:{(xi,yi)}.
22
Neuronas como funciones
Las neuronas transforman una entrada no acotada x(t) en el tiempo t en una señal de salida acotada f(x(t)).
La función de activación o función de señal: f
Velocidad de la señal:
23
Funciones de Activación
Funciones
Tipo Sigmoide
Funciones
Base Radial
24
Funciones de activación comunes
Función de activación logística:
Es monótamente creciente para c >0
25
Funciones de activación comunes
26
Funciones de activación comunes
Tangente hiperbólica:
donde c>0.
27
Funciones de activación comunes
Threshold (umbral)
c>0
28
Funciones de activación comunes
Distribución exponencial:
c>0.
29
Funciones de activación comunes
Razón polinomial:
30
Funciones de activación comunes
Pulse-coded: Consiste en un tren de pulsos
exponencialmente ponderados
31
Tamaño de las muestras
Cuántas Neuronas
Cuantas Capas
Tipo de Arquitectura ( Selección del Modelo ANN)
Tipo de Aprendizaje
Algoritmos de Aprendizaje
¿Cuándo usar ANN
Modelador
NN: Preguntas Abiertas
32
Optimización Combinatorial
Aprendizaje y Generalización:
Memorias Asociativas (Básico)
Redes Multicapas
Pattern Recognition
Predicción y Pronósticos
Aproximación de Funciones
Modelos de Difusión de Información
Arquitecturas Paralelas
Aplicaciones NN
Test de Turing:
"Un computador merece ser
llamado inteligente si puede
hacer pensar a un ser humano
que es otro ser humano"
34
Estructura y Formas de Conexión
Función de Activación
Se suele distinguir entre funciones lineales, en las que la salida es proporcional a la entrada; funciones de umbral, en las cuales la salida es un valor discreto (típicamente binario 0/1) que depende de si la estimulación total supera o no un determinado valor de umbral; y funciones no lineales, no proporcionales a la entrada.
Caracteristicas Aprendizaje inductivo
Generalización
.Abstracción tolerancia al ruido:
Procesamiento paralelo
Memoria Distribuida
Redes Asincronicas v/s Sincronicas
Metodos deterministas v/s Estaticos
35
Funcionamiento Basico
La arquitectura más usada en la actualidad de una red neuronal consistiría en:
Una primera capa de entradas, que recibe información del exterior.
Una serie de capas ocultas (intermedias), encargadas de realizar el trabajo de la red.
Una capa de salidas, que proporciona el resultado del trabajo de la red al exterior.
El número de capas intermedias y el número de neuronas de cada capa dependerá del tipo de aplicación al que se vaya a destinar la red neuronal.
Página anterior | Volver al principio del trabajo | Página siguiente |