Escolar Documentos
Profissional Documentos
Cultura Documentos
Todos los procesos del cuerpo humano se relacionan en alguna u otra forma con
la (in)actividad de estas neuronas. Las mismas son un componente relativamente
simple del ser humano, pero cuando millares de ellas se concentran en forma
conjunta se hacen muy poderosas.
Una red neuronal artificial la podemos definir como una nueva forma de
computación, inspirada en modelos biológicos los cuales procesan información por
medio de su estado dinámico como respuesta a entradas externas, también como
un modelo matemático compuesto por un gran número de elementos procesales
organizados en niveles.
En la capa de entrada toma los datos como uno solo y a esto se lo conoce como
entrada global, la función de entrada se puede describir de la siguiente manera.
La función de activación, es una función de entrada global menos el umbral, las
funciones de activación más utilizadas son:
Función logística,
Función escalón.
El siguiente testo muestra el código del programa desarrollado para la red neuronal.
Datos=load('x_normalizada_03761_h.mat');
Var2=variable;
y=Var2(1:N);
plot(y, 'm-')
plot(y(1:Nu),'b')
plot(y,'+k','markersize',2)
legend('validation data','training data','sampling markers','location','southwest')
xlabel('time (steps)')
ylabel('y')
%ylim([-1 1])
yt = con2seq(y(1:Nu)');
net.layers{1}.transFcn='purelin'
%net.trainParam.epochs=10;
yv = con2seq(y(Nu+1:end)');
hiddenSizes = [2 5 2 6 3];
net = timedelaynet([1:8],5);
[P,Pi,Ai,T] = preparets(net,yt,yt);
net = train(net,P,T,Pi);
[Xs,Xi,Ai,Ts] = preparets(net,yv,yv);
yp=net(Xs, Xi)
error=gsubtract(yp,Ts);
rmse=sqrt(mse(error));
figure(1)
plot(Nu+9:N,cell2mat(yp),'r')
plot(Nu+9:N,cell2mat(error), 'g' )
'prediction','error','location','southwest')
W=net.Lw;
B=net.B;
NEURONA 1
0.8
0.6
0.4
0.2
0
-0.2 1 2 3 4 5 6 7 8 9 10
-0.4
-0.6
-0.8
-1
-1.2
-1.4
NEURONA 2.
1
0.5
0
1 2 3 4 5 6 7 8 9 10
-0.5
-1
-1.5
NEURONA 3.
1
0.5
0
1 2 3 4 5 6 7 8 9 10
-0.5
-1
-1.5
-2
-2.5
NEURONA 4.
1
0.5
0
1 2 3 4 5 6 7 8 9 10
-0.5
-1
-1.5
-2
NEURONA 5.
2
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10
-0.5
-1
-1.5
-2
NEURONA 6
2
1.5
0.5
0
1 2 3 4 5 6 7 8 9 10
-0.5
-1
-1.5
-2
-2.5
NEURONA 7
1
0.5
0
1 2 3 4 5 6 7 8 9 10
-0.5
-1
-1.5
NEURONA 8
1
0.5
0
1 2 3 4 5 6 7 8 9 10
-0.5
-1
-1.5
NEURONA 9.
0.8
0.6
0.4
0.2
0
1 2 3 4 5 6 7 8 9 10
-0.2
-0.4
-0.6