Você está na página 1de 51

SISTEMAS INTELIGENTES Y REDES NEURONALES

INFORME DE LABORATORIO 1
SIRN_PaternoM Horario Laboratorio: Sbado 11:30 13:00

ALUMNO: MARCO ANTONIO QUISPE PALACIOS

DOCENTE: JOSE CARLOS BENITEZ PALACIOS

I.

EJERCICIOS Y TAREAS DESARROLADOS DEL AULA DE LABORATORIO


Sesin 1 del 09/05/15: Archivo SIRN_PaternoM_Lab1A.m
Docente:
1. Se calcula la salida de las redes neuronales monocapa.
Ver script del archivo, nmero de lnea: 24 a 26.
2. Se calcula la salida de la red multicapa
Ver script del archivo, nmero de lnea: 32 a 46.
En la semana 1 no se realiz practica de laboratorio solo se indic el tipo
de software que se utilizara para el curso para poder resolver problemas
aplicados a las redes neuronales y tambin ,Todos los alumnos nos hemos
inscrito en la pgina de Dropbox para poder compartir los trabajos que deja
el docente y que se deben entrenar a la fecha indicada
Alumno
1. Ejercicio 1
2. Ejercicio 2
Sesin 2 del 16/05/15: Archivo SIRN_PaternoM_Lab1B.m
Docente:
1. Se calcula la salida de las redes neuronales monocapa.
Ver script del archivo, nmero de lnea: 24 a 26.
2. Se calcula la salida de la red multicapa
Ver script del archivo, nmero de lnea: 24 a 26.
Alumno
1. Ejercicio 1
2. Ejercicio 2
Sesin 3 del 23/05/15: Archivo SIRN_PaternoM_Lab1C.m
Sesin 4 del 30/05/15:
Docente:
1. Se calcula la salida de las redes neuronales monocapa.
Ver script del archivo, nmero de lnea: 24 a 26.

Se grafico seales unidimensionales analgicas y discretas


Ver scrpit desde la 33 a 37
2. Se calcula la salida de la red multicapa
Ver script del archivo, nmero de lnea: 24 a 26.
Alumno
1. Ejercicio 1:Mostrar varias imgenes en una sola ventana:
2. Ver scrpt en lneas 34 a 38
3. Ejercicio 2

II.

DESARROLLO DEL LABORATORIO

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

Ayuda para aplicar redes neuronales en matlab

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

Lgica difusa
Interfaz grafica de redes neuronales

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

PROCEDIMIENTO
1. Ejercicio 1
Implementar funciones que implementen cada una de las funciones de activacin
(nueve funciones) estudiadas, utilizando su funcin generatriz (no usar los
comandos del Matlab, tales como hardlim, hardlim, purelin, etc.).
Ejemplo:
fHardlims(x)

x es el vector a aplicar la funcin Hardlims.


La funcin fHardlim debe graficar el vector x en color rojo y el resultado de la
aplicacin de la funcin de activacin en color azul sobre el mismo grfico.
Funciones tipo escaln
fharlim

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

Utilizada en redes Perceptron


fharlims

Utilizada en redes Perceptron


Funcion lnea

Fpurelin
FUNCIONES DE ACTIVACION Y CLCULO DE LA
SALIDA DE LAS REDES NEURONALES ARTIFICIALES

Utilizada en redes adaline o en la ltima capa de las MLP. ,La salida es igual que la
entrada,
Fposlin

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

Fsatlin

Utilizada en las redes Hopfield Para la salida de valores [0,1],


Fsatlins

Para la salida de valores [-1,1],


Funciones Tipo No Lineal
Ftansig
FUNCIONES DE ACTIVACION Y CLCULO DE LA
SALIDA DE LAS REDES NEURONALES ARTIFICIALES

Para la salida [-1,1], funcin tangente sigmoidal hiperblica,


Flogsig

Para la salida [0,1], funcin sigmoide logaritmica,

Ftribas

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

Fradbas

Utilizada en redes de base radial La respuesta es de una funcin gaussiana,

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

10

2.- Disear una red monocapa de 10 neuronas y 5 neuronas procesadoras, cuya


funcin de transferencia es hardlims. Proporcionar los valores necesarios y hallar
la salida de la red. Cada entrada es un vector de 10 nmeros enteros aleatorios
con valores comprendidos entre -5 y 5. No olvidarse de las bias.

%#10 NEURONAS
%------------------------------------------------------------------%CE +CS = 10 NEURONAS =>5/5
%------------------------------------------------------------------%--C. ENTRADA
C. SALIDA % 5
5
%
%----------------10------------------Aplicando la funcion de transferencia hardlims
K =
Columns
1
1
1
1
1
Columns
-1
-1
-1
-1
-1

1 through 8
1
1
-1
1
1
-1
1
1
-1
1
1
-1
1
1
-1
9 through 10
1
1
-1
-1
-1

1
-1
1
1
1

1
1
1
1
1

1
1
1
1
1

1
1
1
1
1

Tenemos una red mono capa de 10 neuronas


5 neuronas procesadoras
5 neuronas no procesadoras

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

11

3.- Disear una red tricapa de 31 neuronas, de las que 21 son procesadoras. Las
neuronas procesadoras de la salida son 3 menos que la capa oculta, y la primera
capa procesadora oculta tiene 2 neuronas procesadoras ms que la segunda. La
funcin de transferencia de la primera capa procesadora es igual al de la ltima;
ambas son hardlims. Proporcionar los valores necesarios y hallar la salida de la
red. Cada entrada es un vector de 15 nmeros reales alea

O1 =
-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

>>
O2 =

O3 =

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

-1

12

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

-1

En esta red tricapa se estn usando funciones hardlims y hardlmi


Este tipo de funciones tiene mucha aplicacin en los mlp slp

4.-Plantear un ejercicio de diseo similar a los anteriores 2 y 3), con datos y valores
diferentes; y hallar la salida.

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

13

Se planteo un ejercicio con funciones hardlims y hardlim

5. Graficar la salida cuando a las seales dadas se les aplica las funciones de
transferencia escaln, no lineal, saturacin y competitiva:
a. Seales: unidimensionales, bidimensional y tridimensionales.
b. Seales:
i. Un sonido en mono (su nombre) centrado sobre el eje vertical,
ii. Una imagen en escala de grises (su foto) centrado en el eje vertical.

Se puede observar en el grafico la diferentes seales unidimensionales , bidimensionales ,


tridimensionales a las cuales se les aplica funciones de transferencia

Se puede observar en el siguiente grafico que casi toda la seal es continua solo una amplitud
diferente en 0.5

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

14

Se puede observar en el siguiente grafico que casi toda la seal es continua solo una amplitud
diferente en 0.5

Se puede observar en el siguiente grafico que casi toda la seal es continua solo una amplitud
diferente en 0.5

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

15

Se observa una seal pulso en 0.5 aproximadamente con una amplitud de 0.5

Pendiente positiva con una amputad mxima de 10

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

16

Tenemos una funcion continua con una amplitud de 1

Tenemos una funcion continua con una amplitud de 1

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

17

Tenemos una funcion continua con una amplitud de 1

Tenemos una funcion creciente que mientras los valores en el eje x aumentan la amplitudes tambin
aumentan

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

18

d
Seal de decreciente

que comienza con una amplitud con aproximado de 0.8

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

19

Sea en tiempo discreto con pendiente positiva

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

20

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

21

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

22

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

23

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

24

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

25

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

26

Figur
Se hizo uso de la funcion mesh para poder graficar dicha forma tridimensional

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

27

Figura
Podemos apreciar que al aplicarle la funcion hardlim se vuele un plano con un barrido hacia los limites - 5 5
en todos los ejes

Figura
Del mismo modo al aplicar la funcion hardlims

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

28

Figura
El resultado de la figura 12 se obtiene al aplicar la funcion compet

Ejercicio 5
a. Parte a
Tenemos la seal de voz aplicando las funciones de transferencia

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

29

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

30

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

31

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

32

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

33

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

34

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

35

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

36

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

37

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

38

Ejercicio 5
Parte b.2

Imagen rgb en bmp

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

39

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

40

Imagen binaria al aplicar la funcion tribas

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

41

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

42

Imagen binaria al aplicarle la funcion purelin

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

43

Imagen amorfa al aplicar la funcion seno

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

44

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

45

Imagen binaria al aplicarle la funcion rafbas

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

46

Imagen en escala de grises

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

47

6. Hallar la salida de la siguiente RNA utilizando cada una de las funciones de


transferencia escaln, no lineal, satura

cin y
competitiva:

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

48

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

49

Datos:
CUESTIONARIO
1. Resultados (Desarrollados anteriormente)
2.
2. Crear tres RNA tricapa y utilice funciones de activacin diferentes, una para cada
capa procesadora, proporcione las entradas vectoriales de 5 valores, las bias y
halle la salida de cada una de las RNA, indicando si sus salidas son excitatorias o
inhibitorias.
O3 =
Columns 1 through
0.0001 0.0184
0.0000 0.0001
1.0000 0.3684
Column 5
0.0001
0.0000
1.0000

4
0.3679
0.0243
0.0243

0.3684
0.0000
1.0000

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

50

Conclusiones y Recomendaciones.
Se dio por entendido por que es mejor trabajar en formato bmp que en jpg por que asi nos evitamos
muchos erroes
Hemos aprendido a travs de este laboratorio las alternativas que tenemos con la herramienta matlab
en el uso de funciones caractersticas de redes neuronales artificiales.
Por medio de las funciones de transferencia podemos modificar o darle efectos a una imagen
predeterminada.
Podemos crear o disear una red neuronal artificial y obtener sus salidas deseadas.
Aprendimos tambin que con el programa matlab podemos grabar y guardar nuestra voz u otro audio
en formato wav para su respectivo tratamiento.
Hay muchas funciones de transferencia, y algunas otras aparte de las aprendidas en esta
experiencia.
As como tambin es mejor trabajar con la imagen o foto previamente convertida a tono gris, es decir
a blanco y negro.
A la conclucion que pude llegar con respecto es que las funciones lgicas sirven de ayuda
en todos los aspectos desde el aspecto matemtico, audio, e imgenes que se pueden
trabajar desde Matlab las matrices estn en todas las funciones o en todo aspecto.

FUNCIONES DE ACTIVACION Y CLCULO DE LA


SALIDA DE LAS REDES NEURONALES ARTIFICIALES

51