Escolar Documentos
Profissional Documentos
Cultura Documentos
SESION1-2
Tópicos
1. Introducción a las Redes Neuronales Artificiales
• La computadora convencional y el cerebro
• Breve introducción biológica
• Atributos a ser emulados
Tópicos
3. Modelo de la Red Neuronal
• Neurona, Capa, Red
• Definición
4. Perceptrón Simple.
5. Perceptrón Multicapa.
Computadora VS Cerebro
• ¿Por qué todavía existen tareas que las computadoras
convencionales no han logrado resolver con suficiente eficacia?
reciben señales
de otras células
procesa y emite
señales (soma)
envía impulsos
a otras células
• Por tanto puede decirse que las RNAs son sistemas paralelos,
distribuidos y adaptativos.
Modelo de la Red Neuronal
• Los elementos básicos de un sistema neuronal biológico son las
neuronas que se agrupan en millones para constituir un sistema con
funcionalidad propia.
X
0
X W W0 (bias)
1 1
W
Y
X 2
2
W
3
X
3
Capas
x1
wi1
cuerpo celular
axón
x2 wi2
.. Σwijxj f(Σwijxj ) yi
xj
. wij salida
Función de
wij Θi activación
entradas
xn
-1
umbral
dendritas
Umbral
• Parámetro adicional i, que se denomina umbral
(tendencia o bias), que se resta del potencial sináptico. Por
tanto, la regla de propagación quedaría como:
wij xj - i
• El modelo simple de neurona quedaría:
yi(t)= fi(wij xj - i)
Funciones de Activación
• Función identidad
y=x
f(x)
x
Funciones de Activación
• Función escalón o Heaviside: H(x)
1 si x 0 f(x)
H(x)=
1
0 si x<0
x
Funciones de Activación
• Función sigmoide
y=1/(1+e-x) f(x)
1
x
xi={0,1} y Escalón
• Como el modelo de neurona es:
yi(t)= fi(wij xj - i)
• Si las entradas son binarias y la función de activación es la escalón,
entonces quedaría:
1 si wij xj i
yi=
0 si wij xj < i
Definición de Red Neuronal
• Grafo: conjunto de nodos más un conjunto de
conexiones entre ellos.
• Grafo dirigido: conexiones tienen asignadas un
sentido.
• Representación del grafo: gráficamente, mediante
matriz de conexiones y mediante lista de conexiones.
Definición de Red Neuronal
Una red neuronal es un grafo dirigido con las siguientes propiedades:
1. A cada nodo i se asocia una variable de estado xi.
2. A cada conexión (i,j) de los nodos i y j se asocia un peso wij.
3. A cada nodo i se asocia un umbral i.
Definición de Red Neuronal
4. Para cada nodo i se define una función fi(xj , wij , i), que
depende de los pesos de sus conexiones, del umbral y de los
estados de los nodos j a él conectados. Esta función proporciona
el nuevo estado del nodo.
Construcción de una RNA
• Definir el modelo de la neurona
• Definir la arquitectura de red
• Establecer los pesos sinápticos iniciales
• Hacer el entrenamiento a partir del Modo de Aprendizaje
definido (usualmente iterativo)
• Fase de Ejecución
Aprendizaje o Entrenamiento
• El modo de aprendizaje o entrenamiento es una característica
fundamental de una RNA.
• Las RNA son sistemas entrenables, capaces de realizar un
determinado tipo de procesamiento o computo aprendiéndolo a
partir de un conjunto de patrones de aprendizaje o ejemplos.
Aprendizaje de las RNAs
• Proceso por el que se produce el ajuste de los parámetros libres de
la red a partir de un proceso de estimulación desde el entorno que
rodea a la red.
=-3
y=H(w1x1+w2x2-)=H(-2x1-2x2+3)
Perceptrón Simple
• Si se dan valores binarios a x1 y x2, se puede
construir la tabla de verdad de esta neurona, que
corresponde a la función lógica NAND de 2 entradas.
x1 x2 y
0 0 1
0 1 1
1 0 1
1 1 0
Perceptrón Simple
• Una neurona tipo perceptrón solamente permite discriminar entre
dos clases linealmente separables, es decir, cuyas regiones de
decisión pueden ser separadas mediante una única condición lineal o
hiperplano.
Perceptrón Simple
Perceptrón Simple
• Consideremos la función lógica or-exclusivo o XOR, su salida
es el 0 lógico si las variables de entrada son iguales y 1 si son
diferentes.
Perceptrón Simple
Perceptrón Simple
Desventaja del PS
Discrimina solo entre clases linealmente separables.
x1
wi1
cuerpo celular
axón
x2 wi2
.. Σwijxj f(Σwijxj ) yi
xj
. wij salida
Función de
wij Θi activación
entradas
xn
-1
umbral
dendritas
Conclusiones
• Perceptrón Simple:
• Discriminador Lineal
• Multilayer Perceptron
• Capas Ocultas
Bibliografía
• Curso introductorio a las Redes Neuronales
Artificiales. Dr. Rafael Bello. UCLV. 1993. (Cap. 3y4)
• Redes Neuronales y Sistemas Difusos. Bonifacio
Martín del Brío, Alfredo Sanz Molina. (P. 63-66 MLP
Aproximador de Funciones)
• An introduction to Neural Networks. Ben Krose and
Patrick van der Smagt.1996
(P.18-20 Notación y Terminología)
Redes Neuronales Artificiales