Escolar Documentos
Profissional Documentos
Cultura Documentos
Perceptron simple
Adaline
Clasificación y Regresión lineal
Adaptación supervisada
1, si w 1x 1+...+w n x n + θ > 0
y=
- 1, si w 1x 1+...+w n x n + θ ≤ 0
w1 x1 + w 2 x 2 + .... + w n x n + θ = 0
x2
w θ
x 2 = − 1 x1 −
w2 w2
x1
Dado Encontrar
x1 x2 AND
(-1,1) (1,1)
-1 -1 -1
1 -1 -1
-1 1 -1
1 1 1
(-1,-1) (1,-1)
0.5
1
iteración1
iteración2
(-1,-1) (1,-1)
inicial
Elemento combinador adaptativo lineal, que recibe todas las entradas, las
suma ponderadamente, y produce una salida
x1
w1
x2
y
w2
…..
wn θ
xn
1
REDES DE NEURONAS ARTIFICIALES. INÉS M. GALVÁN, JOSÉ Mª VALLS 15
ADALINE
Para un patrón de entrada xp, se tendrá en cuenta el error producido (dp-yp), siendo
dp la salida deseada e yp la salida del ADALINE
El objetivo es obtener una red tal que yp ≈ dp para todos los patrones p
Será imposible conseguir una salida exacta porque y es una función lineal,
pero se minimizará el error cometido para todos los patrones de
entrenamiento
Hay que elegir una medida de dicho error, p.ej.el error cuadrático
La regla de aprendizaje es la REGLA DELTA
x2
x1
1
E p = (d p − y p ) 2
2
yp=w1x1+…+wjxj +…wnxn+θ
1 ∂y p
2 × (d p − y p ) ×(−1) = −(d p − y p ) = xj
2 ∂w j
Δp wj = γ (d p − y p ) x j
Paso 3: Calcular la salida, compararla con la deseada y obtener la diferencia: (dp - yp)
Paso 4: Para todos los pesos, multiplicar dicha diferencia por la entrada correspondiente
y ponderarla por la tasa de aprendizaje
Δp wj = γ (d p − y p ) x j
Paso 5: Modicar el peso sumando al valor antiguo la cantidad obtenida en 4)
wj (t+1) = wj (t) + Δp wj
Paso 6: Repetir los pasos 2, 3 y 4 para todos los patrones
Paso 7: Repetir los pasos 2,3,4,5 y 6 tantos ciclos hasta cumplir el criterio de parada
w1=0.84 1 1 0 6
1 1 1 7
w2=0.39
w3=0.78
x1 x2 d(x) (1,1)
(-1,1)
-1 -1 1
-1 1 -1
1 -1 -1 (-1,-1)
1 1 1 (1,-1)
-2.5
-1
1
2
(-1 -1) -1 1 1
(-1 1) 1 1 -1
(1 -1) -1 -1 -1
(1 1) -1 1 1
Salida Entrada a
deseada clasificar
Dado
(x 1=(x 11, ..., x 1 n ), Clase )
(x 2=(x 21, ..., x 2 n ), Clase )
…
(x m =(x m 1, ..., x m n ), Clase )
Encontrar
Hiperplano separador
Dado
(x 1=(x 11, ..., x 1 n ), y 1 )
F(x) (x 2=(x 21, ..., x 2 n ), y 2)
y …
(x m =(x m 1, ..., x m n ), y m )
Encontrar
Una función F(x) tal que F(x p ) ≈ y p
x