Universidad Nacional del Centro del Per Facultad de Ingeniera de Sistemas Docente: Sal Arauco Esquivel Redes Neuronales

Con Matlab

Introduccin
Matlab Contiene un conjunto de funciones de redes neuronales que se muestran a continuacin. Para consultar puede ejecutar la siguiente instruccin.

Funciones de Entrenamiento:
Entre las funciones de entrenamiento tenemos las siguientes: 1. trainb - Batch training function 2. trainc - Cyclical order incremental training function. 3. trainr - Random order incremental training function 4. trains - Sequential order incremental training function Para el diseo de Redes Neuronales Lineales se utiliza la siguiente Funcin: newlind

Aplicaciones de Redes Neuronales.

Se aplica en diferentes campos del saber humano tales como: Negocios Defensa Industrial

Electrnica Finanzas, etc.

Modelo de Neurona
Como en las copias anteriores entregadas en clase el modelo de la neurona artificial se indica en la siguiente figura.

Donde: p: es un vector escalar de entrada w: es un valor escalar que es el peso. f: funcin de transferencia. a: es la salida b: en la figura siguiente representa un vector de entrada=

Funciones de Trasferencia
Las funciones de trasferencia incluidas en este toolbox de redes neuronales se muestran a continuacin. 1. Funcin de transferencia hardlim

Con los siguientes comandos se puede graficar las funciones de trasferencia. n= -10:0.1:10; plot(n,hardlim(n),'c+:'); n= -10:0.1:10; >> plot(n,hardlim(n),'c+:');

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -10

-8

-6

-4

-2

10

2. Funcion de transferencia purelin

n= -10:0.1:10; plot(n,purelin(n),'c+:');
10 8 6 4 2 0 -2 -4 -6 -8 -10 -10

-8

-6

-4

-2

10

3. Funcion de transferencia logsig= n= -10:0.1:10; plot(n,logsig(n),'c+:');

1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 -10

-8

-6

-4

-2

10

Modelo de Neurona con un Vector de Entrada

En la siguiente figura se muestra el modelo con un vector de entrada.

Donde el vector n esta dado por la siguiente relacin. En Matlab se puede escribir de la siguiente forma.

n = w* p +b

En al siguiente figura podemos tener una neurona con muchas capas las cuales se muestran a continuacin.

Arquitectura de las redes Neuronales

Modelo de arquitectura con una capa.

En modelo abreviado se puede representar de la siguiente forma.

Representacin de las entradas y las capas.

Para codificar la siguiente matriz de pesos se puede escribir de la siguiente forma.

En Matlab se puede codificar de la siguiente manera. n{1} = net.IW{1,1}*p + net.b{1};

Neurona con Mltiples capas

En al siguiente figura se muestra la neurona con mltiples capas.

El modelo simplificado es de la siguiente forma.

Ejemplo:
Simulacin con entradas concurrentes en una red esttica.

Creacin de la red utilizando el comando NEWLIN Create a linear layer. Sintaxis net = newlin net = newlin(PR,S,ID,LR) Descripcin Crea capas lineales se utiliza en filtros adaptativos. NET = NEWLIN NEWLIN(PR,S,ID,LR) tiene los siguientes argumentos, PR - Rx2 matriz de minimo y maximo valores de R elementos de entrada. S - Numero de elementos del vector salida. ID vector de entrada de retard, por defecto = [0]. LR tasa de aprendizaje, por defecto = 0.01; net = newlin([1 3;1 3],1); Asignacin de la matriz de pesos,

Los comandos para asignar son: net.IW{1,1} = [1 2]; net.b{1} = 0; Suponiendo que la red de simulacin tiene un set de Q = 4 vectores.

El vector puede se expresado de la siguiente forma: P = [1 2 2 3; 2 1 3 1]; Ahora podemos similar la red de la siguiente forma A = sim(net,P)