SlideShare ist ein Scribd-Unternehmen logo
1 von 13
Downloaden Sie, um offline zu lesen
Ing. José C. Benítez P.
Inteligencia Artificial
(W0I9)
Salidas y entrenamiento de las RNA
Laboratorio: 3
 Objetivo
 Fundamento teórico: Las salidas de las RNA.
 Funciones de Propagación
 Funciones de Activación
 Conclusiones
Salidas y entrenamiento de las RNA
2
Objetivo
 Revisar el concepto del calculo de las salidas de las
RNAs.
 Hallar la salida de RNAs sencillas.
 Entrenar RNAs sencillas.
3
Fundamento teórico
Funciones que intervienen las salidas de las RNAs:
Las salidas de una RNA viene dada por dos funciones:
1. Una función de propagación
2. Una función de activación
1
e
Salida
Capa de
Salida
Y
4
1. Funciones de propagación.
• También es conocida como función de excitación.
• Consiste en la sumatoria de cada entrada multiplicada por el peso
de su interconexión (valor neto).
• Si el peso es positivo, la conexión se denomina excitatoria; si es
negativo, se denomina inhibitoria.
2. Funciones de activación
• La función de activación, modifica a la función de propagación.
• Puede no existir, siendo en este caso la salida la misma función de
propagación.
Fundamento teórico
5
Funciones de propagación
1
22
1
Calculo de las salidas de la RNA:
Calcular las salidas mediante la función de propagación de la
RNA siguiente:
Función de propagación de la NA 1 (de salida O1):
Función de propagación de la NA 2 (de salida O2):
6
Ejemplo. RNA sin bias.
Dado: I =[1;-1] w=[w11 w12; w21 w22] =[-1 -1; 1 1]. Hallar las salidas.
Hallar la función de propagación respectivas
Código MatLab:
>> I=[1;-1]
I =
1
-1
>> W=[-1 -1; 1 1]
W =
-1 -1
1 1
>> O=W'*I
O =
-2
-2
>>
1
22
1
7
Ejercicio. RNA con bias.
Dado:
I =[1; -1]
w=[w11 w12; w21 w22] =[-1 -1; 1 1].
b=[b1; b2]=[1; 2]
Hallar las salidas.
1
22
1
8
Ejercicio: RNA con entrada vectorial.
Hallar la función de propagación y salidas respectivas de la RNA
1
22
1
b1
b2
9
Ejercicio:
Dado:
Hallar la función de propagación y salidas respectivas sabiendo
que a función de activación en hardlim.
1
22
1
3I3
b1
b2
10
Tarea
 Presentar dos RNAs y dadas sus entradas, pesos
de sus enlaces y bias, hallar la salida. La primera
red debe considerar entradas escalares y la
segunda vectorial.
 Presentar otras dos RNAs y dadas sus entradas,
sus salidas y bias. Determinar si la red aprende.
La primera red debe considerar entradas
escalares y la segunda vectorial.
11
Informe de Laboratorio
 El Informe de Laboratorio es un documento gráfico en lo posible
y es redactado en Word con el desarrollo del laboratorio.
 Niveles de Informe:
 Primer nivel: Observaciones. Imágenes con comentarios
cortos. Redactar al ir desarrollando el laboratorio. (Requiere
desarrollar el laboratorio).
 Segundo nivel: Conclusiones. Redactar al terminar el
laboratorio.(Requiere haber desarrollado el laboratorio).
 Tercer Nivel: Recomendaciones. (Requiere lectura de otras
fuentes).
 Dentro de su Carpeta Personal del Dropbox crear una carpeta
para el laboratorio 2 con el siguiente formato:
IA_PaternoM_Lab3
 Adjuntar fuentes que le han ayudado en esta carpeta creada.
 Las fuentes deben conservar el nombre original de archivo y se
debe agregar _L3 al final.
 Presentar el Informe de Laboratorio 3 en esta carpeta creada.
12
Lab3. Salidas y entrenamiento de las RNA
Blog del curso:
http:/utpiayse.blogspot.com
13

Weitere ähnliche Inhalte

Was ist angesagt?

Solucion de un circuito LCR en Matlab
Solucion de un circuito LCR en MatlabSolucion de un circuito LCR en Matlab
Solucion de un circuito LCR en MatlabSantiago Aguilar
 
Circuitos secuenciales ejemplos
Circuitos secuenciales ejemplosCircuitos secuenciales ejemplos
Circuitos secuenciales ejemplosLuis Sanchez
 
Practica nro2 ixis_marionny
Practica nro2 ixis_marionnyPractica nro2 ixis_marionny
Practica nro2 ixis_marionnylisi2407
 
Mapa conceptual circuitos cecuenciales
Mapa conceptual  circuitos cecuencialesMapa conceptual  circuitos cecuenciales
Mapa conceptual circuitos cecuencialesoctaviogranadog
 
Circuitos secuenciales
Circuitos secuencialesCircuitos secuenciales
Circuitos secuencialesrgomez12
 
Unidad1 sd2
Unidad1 sd2Unidad1 sd2
Unidad1 sd2haibsel
 
Informe practico de circuitos digitales
Informe practico de circuitos digitalesInforme practico de circuitos digitales
Informe practico de circuitos digitalesCarlos Garrido
 
Proyecto 7 Flip Flops
Proyecto 7 Flip FlopsProyecto 7 Flip Flops
Proyecto 7 Flip FlopsBlackjacks21
 
Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,
Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,
Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,Miguel Brunings
 
Practica 2 de digitales
Practica 2 de digitalesPractica 2 de digitales
Practica 2 de digitalesElsy Rodriguez
 

Was ist angesagt? (20)

Practica 7 Flip Flop
Practica 7 Flip FlopPractica 7 Flip Flop
Practica 7 Flip Flop
 
Practica 5 SAIA UFT VJSS
Practica 5 SAIA UFT VJSSPractica 5 SAIA UFT VJSS
Practica 5 SAIA UFT VJSS
 
Informe practica4 de digitales
Informe practica4 de digitalesInforme practica4 de digitales
Informe practica4 de digitales
 
Solucion de un circuito LCR en Matlab
Solucion de un circuito LCR en MatlabSolucion de un circuito LCR en Matlab
Solucion de un circuito LCR en Matlab
 
Circuitos secuenciales ejemplos
Circuitos secuenciales ejemplosCircuitos secuenciales ejemplos
Circuitos secuenciales ejemplos
 
Practica nro2 ixis_marionny
Practica nro2 ixis_marionnyPractica nro2 ixis_marionny
Practica nro2 ixis_marionny
 
Asignacion7
Asignacion7Asignacion7
Asignacion7
 
Mapa conceptual circuitos cecuenciales
Mapa conceptual  circuitos cecuencialesMapa conceptual  circuitos cecuenciales
Mapa conceptual circuitos cecuenciales
 
Circuitos secuenciales
Circuitos secuencialesCircuitos secuenciales
Circuitos secuenciales
 
Unidad educativa
Unidad educativaUnidad educativa
Unidad educativa
 
Unidad1 sd2
Unidad1 sd2Unidad1 sd2
Unidad1 sd2
 
Informe practico de circuitos digitales
Informe practico de circuitos digitalesInforme practico de circuitos digitales
Informe practico de circuitos digitales
 
T9 circuitos secuenciales
T9 circuitos secuencialesT9 circuitos secuenciales
T9 circuitos secuenciales
 
Examen jose
Examen joseExamen jose
Examen jose
 
Clase iv
Clase ivClase iv
Clase iv
 
Proyecto 7 Flip Flops
Proyecto 7 Flip FlopsProyecto 7 Flip Flops
Proyecto 7 Flip Flops
 
Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,
Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,
Diferentes tipos de flip flops (jk, sr, d, t) sus tablas de verdad,
 
Practica 2 de digitales
Practica 2 de digitalesPractica 2 de digitales
Practica 2 de digitales
 
Proyecto digitales
Proyecto digitalesProyecto digitales
Proyecto digitales
 
Circuitos secuenciales
Circuitos secuencialesCircuitos secuenciales
Circuitos secuenciales
 

Andere mochten auch

Utp sirn_sl3 salidas de rna 2012-2
 Utp sirn_sl3 salidas de rna 2012-2 Utp sirn_sl3 salidas de rna 2012-2
Utp sirn_sl3 salidas de rna 2012-2jcbenitezp
 
Utp ia_sl2 patrones de aprendizaje de las rna
 Utp ia_sl2 patrones de aprendizaje de las rna Utp ia_sl2 patrones de aprendizaje de las rna
Utp ia_sl2 patrones de aprendizaje de las rnajcbenitezp
 
Utp sirn_sl1 funciones de rna 2012-2
 Utp sirn_sl1 funciones de rna 2012-2 Utp sirn_sl1 funciones de rna 2012-2
Utp sirn_sl1 funciones de rna 2012-2jcbenitezp
 
Redes neuronales artificiales de base radial
Redes neuronales artificiales de base radialRedes neuronales artificiales de base radial
Redes neuronales artificiales de base radialJefferson Guillen
 
Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2
 Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2 Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2
Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2jcbenitezp
 
Uni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacionUni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacionjcbenitezp
 
Utp sirn sl5 la rna adaline 2012-2
Utp sirn sl5 la rna adaline 2012-2Utp sirn sl5 la rna adaline 2012-2
Utp sirn sl5 la rna adaline 2012-2jcbenitezp
 
Utp sirn_s1_introduccion ia 2014-2
 Utp sirn_s1_introduccion ia 2014-2 Utp sirn_s1_introduccion ia 2014-2
Utp sirn_s1_introduccion ia 2014-2jcbenitezp
 
Utp sirn_s1_introduccion ia 2014-2
 Utp sirn_s1_introduccion ia 2014-2 Utp sirn_s1_introduccion ia 2014-2
Utp sirn_s1_introduccion ia 2014-2jcbenitezp
 
Utp pd_iy_va_cap1 introduccion a la va
 Utp pd_iy_va_cap1 introduccion a la va Utp pd_iy_va_cap1 introduccion a la va
Utp pd_iy_va_cap1 introduccion a la vajcbenitezp
 
Uni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacionUni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacionjcbenitezp
 
Utp lpi_s6y7_funciones y variables 2012-2
 Utp lpi_s6y7_funciones y variables 2012-2 Utp lpi_s6y7_funciones y variables 2012-2
Utp lpi_s6y7_funciones y variables 2012-2jcbenitezp
 
Uni fiee rdsi sesion 10a mpls intro
Uni fiee rdsi sesion 10a mpls introUni fiee rdsi sesion 10a mpls intro
Uni fiee rdsi sesion 10a mpls introjcbenitezp
 
Utp sirn_sl8 sistemas difusos i 2013-3
 Utp sirn_sl8 sistemas difusos i 2013-3 Utp sirn_sl8 sistemas difusos i 2013-3
Utp sirn_sl8 sistemas difusos i 2013-3jcbenitezp
 
Utp ia_s1_introduccion ia
 Utp ia_s1_introduccion ia Utp ia_s1_introduccion ia
Utp ia_s1_introduccion iajcbenitezp
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3jcbenitezp
 
Utp sirn_sl6 la rna perceptron multicapa
 Utp sirn_sl6 la rna perceptron multicapa Utp sirn_sl6 la rna perceptron multicapa
Utp sirn_sl6 la rna perceptron multicapajcbenitezp
 
Uni fiee ci sesion 09 cdma
Uni fiee ci sesion 09 cdmaUni fiee ci sesion 09 cdma
Uni fiee ci sesion 09 cdmajcbenitezp
 
Cellular networks
Cellular networksCellular networks
Cellular networksjcbenitezp
 

Andere mochten auch (20)

Utp sirn_sl3 salidas de rna 2012-2
 Utp sirn_sl3 salidas de rna 2012-2 Utp sirn_sl3 salidas de rna 2012-2
Utp sirn_sl3 salidas de rna 2012-2
 
Utp ia_sl2 patrones de aprendizaje de las rna
 Utp ia_sl2 patrones de aprendizaje de las rna Utp ia_sl2 patrones de aprendizaje de las rna
Utp ia_sl2 patrones de aprendizaje de las rna
 
Utp sirn_sl1 funciones de rna 2012-2
 Utp sirn_sl1 funciones de rna 2012-2 Utp sirn_sl1 funciones de rna 2012-2
Utp sirn_sl1 funciones de rna 2012-2
 
Redes neuronales artificiales de base radial
Redes neuronales artificiales de base radialRedes neuronales artificiales de base radial
Redes neuronales artificiales de base radial
 
Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2
 Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2 Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2
Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2
 
Uni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacionUni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacion
 
Utp sirn sl5 la rna adaline 2012-2
Utp sirn sl5 la rna adaline 2012-2Utp sirn sl5 la rna adaline 2012-2
Utp sirn sl5 la rna adaline 2012-2
 
Quiero volver
Quiero volverQuiero volver
Quiero volver
 
Utp sirn_s1_introduccion ia 2014-2
 Utp sirn_s1_introduccion ia 2014-2 Utp sirn_s1_introduccion ia 2014-2
Utp sirn_s1_introduccion ia 2014-2
 
Utp sirn_s1_introduccion ia 2014-2
 Utp sirn_s1_introduccion ia 2014-2 Utp sirn_s1_introduccion ia 2014-2
Utp sirn_s1_introduccion ia 2014-2
 
Utp pd_iy_va_cap1 introduccion a la va
 Utp pd_iy_va_cap1 introduccion a la va Utp pd_iy_va_cap1 introduccion a la va
Utp pd_iy_va_cap1 introduccion a la va
 
Uni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacionUni fiee ci sesion 07 modelos deterministicos de propagacion
Uni fiee ci sesion 07 modelos deterministicos de propagacion
 
Utp lpi_s6y7_funciones y variables 2012-2
 Utp lpi_s6y7_funciones y variables 2012-2 Utp lpi_s6y7_funciones y variables 2012-2
Utp lpi_s6y7_funciones y variables 2012-2
 
Uni fiee rdsi sesion 10a mpls intro
Uni fiee rdsi sesion 10a mpls introUni fiee rdsi sesion 10a mpls intro
Uni fiee rdsi sesion 10a mpls intro
 
Utp sirn_sl8 sistemas difusos i 2013-3
 Utp sirn_sl8 sistemas difusos i 2013-3 Utp sirn_sl8 sistemas difusos i 2013-3
Utp sirn_sl8 sistemas difusos i 2013-3
 
Utp ia_s1_introduccion ia
 Utp ia_s1_introduccion ia Utp ia_s1_introduccion ia
Utp ia_s1_introduccion ia
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
 
Utp sirn_sl6 la rna perceptron multicapa
 Utp sirn_sl6 la rna perceptron multicapa Utp sirn_sl6 la rna perceptron multicapa
Utp sirn_sl6 la rna perceptron multicapa
 
Uni fiee ci sesion 09 cdma
Uni fiee ci sesion 09 cdmaUni fiee ci sesion 09 cdma
Uni fiee ci sesion 09 cdma
 
Cellular networks
Cellular networksCellular networks
Cellular networks
 

Ähnlich wie Salidas RNA Funciones

Utp ia_2015-1 lab1
 Utp ia_2015-1 lab1 Utp ia_2015-1 lab1
Utp ia_2015-1 lab1jcbp_peru
 
redes neuronales
redes neuronales redes neuronales
redes neuronales Marc Llanos
 
Utp sirn sl3_salidas de las rna
Utp sirn sl3_salidas de las rnaUtp sirn sl3_salidas de las rna
Utp sirn sl3_salidas de las rnac09271
 
Utp 2015-2_ia_lab1.pdf
 Utp 2015-2_ia_lab1.pdf Utp 2015-2_ia_lab1.pdf
Utp 2015-2_ia_lab1.pdfjcbp_peru
 
Utp sirn_2015-2 lab1
 Utp sirn_2015-2 lab1 Utp sirn_2015-2 lab1
Utp sirn_2015-2 lab1jcbp_peru
 
Utp ia_2014-2 lab1
 Utp ia_2014-2 lab1 Utp ia_2014-2 lab1
Utp ia_2014-2 lab1jcbp_peru
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3jcbenitezp
 
REDES NEURONALES Base Radial
REDES NEURONALES Base RadialREDES NEURONALES Base Radial
REDES NEURONALES Base RadialESCOM
 
Utp ia_sl4 la rna perceptron
 Utp ia_sl4 la rna perceptron Utp ia_sl4 la rna perceptron
Utp ia_sl4 la rna perceptronjcbenitezp
 
Utp sirn_sl4 la rna perceptron
 Utp sirn_sl4 la rna perceptron Utp sirn_sl4 la rna perceptron
Utp sirn_sl4 la rna perceptronc09271
 
redes neuronales perceptron
redes neuronales  perceptronredes neuronales  perceptron
redes neuronales perceptronMarc Llanos
 
S iy rn 2014-1 balotario de la pc1
S iy rn 2014-1 balotario de la pc1S iy rn 2014-1 balotario de la pc1
S iy rn 2014-1 balotario de la pc1jcbp_peru
 
S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1jcbenitezp
 
S iy rn 2012-1 balotario de la pc1
S iy rn 2012-1 balotario de la pc1S iy rn 2012-1 balotario de la pc1
S iy rn 2012-1 balotario de la pc1c09271
 
Hardlim hardlims en_matlab
Hardlim hardlims en_matlabHardlim hardlims en_matlab
Hardlim hardlims en_matlabjairo0990
 
Hardlim hardlims en_matlab
Hardlim hardlims en_matlabHardlim hardlims en_matlab
Hardlim hardlims en_matlabjhymermartinez
 
Utp ia_2014-2_s10_redes de funciones de base radial
 Utp ia_2014-2_s10_redes de funciones de base radial Utp ia_2014-2_s10_redes de funciones de base radial
Utp ia_2014-2_s10_redes de funciones de base radialjcbp_peru
 
S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2jcbenitezp
 
S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2jcbenitezp
 

Ähnlich wie Salidas RNA Funciones (20)

Utp ia_2015-1 lab1
 Utp ia_2015-1 lab1 Utp ia_2015-1 lab1
Utp ia_2015-1 lab1
 
redes neuronales
redes neuronales redes neuronales
redes neuronales
 
Utp sirn sl3_salidas de las rna
Utp sirn sl3_salidas de las rnaUtp sirn sl3_salidas de las rna
Utp sirn sl3_salidas de las rna
 
Utp 2015-2_ia_lab1.pdf
 Utp 2015-2_ia_lab1.pdf Utp 2015-2_ia_lab1.pdf
Utp 2015-2_ia_lab1.pdf
 
Utp sirn_2015-2 lab1
 Utp sirn_2015-2 lab1 Utp sirn_2015-2 lab1
Utp sirn_2015-2 lab1
 
Utp ia_2014-2 lab1
 Utp ia_2014-2 lab1 Utp ia_2014-2 lab1
Utp ia_2014-2 lab1
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
 
REDES NEURONALES Base Radial
REDES NEURONALES Base RadialREDES NEURONALES Base Radial
REDES NEURONALES Base Radial
 
Utp ia_sl4 la rna perceptron
 Utp ia_sl4 la rna perceptron Utp ia_sl4 la rna perceptron
Utp ia_sl4 la rna perceptron
 
Utp sirn_sl4 la rna perceptron
 Utp sirn_sl4 la rna perceptron Utp sirn_sl4 la rna perceptron
Utp sirn_sl4 la rna perceptron
 
redes neuronales perceptron
redes neuronales  perceptronredes neuronales  perceptron
redes neuronales perceptron
 
S iy rn 2014-1 balotario de la pc1
S iy rn 2014-1 balotario de la pc1S iy rn 2014-1 balotario de la pc1
S iy rn 2014-1 balotario de la pc1
 
S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1
 
S iy rn 2012-1 balotario de la pc1
S iy rn 2012-1 balotario de la pc1S iy rn 2012-1 balotario de la pc1
S iy rn 2012-1 balotario de la pc1
 
Hardlim hardlims en_matlab
Hardlim hardlims en_matlabHardlim hardlims en_matlab
Hardlim hardlims en_matlab
 
Hardlim hardlims en_matlab
Hardlim hardlims en_matlabHardlim hardlims en_matlab
Hardlim hardlims en_matlab
 
Utp ia_2014-2_s10_redes de funciones de base radial
 Utp ia_2014-2_s10_redes de funciones de base radial Utp ia_2014-2_s10_redes de funciones de base radial
Utp ia_2014-2_s10_redes de funciones de base radial
 
Redes neuronales artificiales
Redes neuronales artificialesRedes neuronales artificiales
Redes neuronales artificiales
 
S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2
 
S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2S iy rn 2012-1 balotario de la pc1 2012-2
S iy rn 2012-1 balotario de la pc1 2012-2
 

Mehr von jcbenitezp

Cap4 jc benitez
Cap4 jc benitezCap4 jc benitez
Cap4 jc benitezjcbenitezp
 
Tarea 1 tesis i filosofia y conocimiento
Tarea 1 tesis i filosofia y conocimientoTarea 1 tesis i filosofia y conocimiento
Tarea 1 tesis i filosofia y conocimientojcbenitezp
 
It526 2017 2 ep
It526 2017 2 epIt526 2017 2 ep
It526 2017 2 epjcbenitezp
 
Uni rdsi 2016 1 sesion 13-14 redes moviles 4 g
Uni rdsi 2016 1 sesion 13-14 redes moviles 4 gUni rdsi 2016 1 sesion 13-14 redes moviles 4 g
Uni rdsi 2016 1 sesion 13-14 redes moviles 4 gjcbenitezp
 
Uni rdsi 2016 1 sesion 12 redes moviles 3 g
Uni rdsi 2016 1 sesion 12 redes moviles 3 gUni rdsi 2016 1 sesion 12 redes moviles 3 g
Uni rdsi 2016 1 sesion 12 redes moviles 3 gjcbenitezp
 
It526 2015 2 pc3
It526 2015 2 pc3 It526 2015 2 pc3
It526 2015 2 pc3 jcbenitezp
 
Calendario academico 2015 02 g
Calendario academico 2015   02 gCalendario academico 2015   02 g
Calendario academico 2015 02 gjcbenitezp
 
Db vsa-011 registro de asistencia docente ago2015
Db vsa-011 registro de asistencia docente  ago2015Db vsa-011 registro de asistencia docente  ago2015
Db vsa-011 registro de asistencia docente ago2015jcbenitezp
 
Utp 2015-2_pdi_lab3
 Utp 2015-2_pdi_lab3 Utp 2015-2_pdi_lab3
Utp 2015-2_pdi_lab3jcbenitezp
 
Utp sirn_2015-2 lab3
 Utp sirn_2015-2 lab3 Utp sirn_2015-2 lab3
Utp sirn_2015-2 lab3jcbenitezp
 
Pdi paterno m_lab2c
Pdi paterno m_lab2cPdi paterno m_lab2c
Pdi paterno m_lab2cjcbenitezp
 
Utp 2015-2_sirn_s7_r_competitivas
 Utp 2015-2_sirn_s7_r_competitivas Utp 2015-2_sirn_s7_r_competitivas
Utp 2015-2_sirn_s7_r_competitivasjcbenitezp
 
Utp 2015-2_sirn_s7_r_competitivas
 Utp 2015-2_sirn_s7_r_competitivas Utp 2015-2_sirn_s7_r_competitivas
Utp 2015-2_sirn_s7_r_competitivasjcbenitezp
 
Utp 2015-2_sirn_s6_adaline y backpropagation
 Utp 2015-2_sirn_s6_adaline y backpropagation Utp 2015-2_sirn_s6_adaline y backpropagation
Utp 2015-2_sirn_s6_adaline y backpropagationjcbenitezp
 
Utp sirn_s1_introduccion ia 2014-2
 Utp sirn_s1_introduccion ia 2014-2 Utp sirn_s1_introduccion ia 2014-2
Utp sirn_s1_introduccion ia 2014-2jcbenitezp
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificialjcbenitezp
 
W0 i9 inteligenciaartificial
W0 i9 inteligenciaartificialW0 i9 inteligenciaartificial
W0 i9 inteligenciaartificialjcbenitezp
 
Wi0 a sistemasinteligentesyredesneuronales
Wi0 a sistemasinteligentesyredesneuronalesWi0 a sistemasinteligentesyredesneuronales
Wi0 a sistemasinteligentesyredesneuronalesjcbenitezp
 

Mehr von jcbenitezp (20)

Cap4 jc benitez
Cap4 jc benitezCap4 jc benitez
Cap4 jc benitez
 
Tarea 1 tesis i filosofia y conocimiento
Tarea 1 tesis i filosofia y conocimientoTarea 1 tesis i filosofia y conocimiento
Tarea 1 tesis i filosofia y conocimiento
 
It526 2017 2 ep
It526 2017 2 epIt526 2017 2 ep
It526 2017 2 ep
 
Uni rdsi 2016 1 sesion 13-14 redes moviles 4 g
Uni rdsi 2016 1 sesion 13-14 redes moviles 4 gUni rdsi 2016 1 sesion 13-14 redes moviles 4 g
Uni rdsi 2016 1 sesion 13-14 redes moviles 4 g
 
Uni rdsi 2016 1 sesion 12 redes moviles 3 g
Uni rdsi 2016 1 sesion 12 redes moviles 3 gUni rdsi 2016 1 sesion 12 redes moviles 3 g
Uni rdsi 2016 1 sesion 12 redes moviles 3 g
 
It526 2015 2 pc3
It526 2015 2 pc3 It526 2015 2 pc3
It526 2015 2 pc3
 
Calendario academico 2015 02 g
Calendario academico 2015   02 gCalendario academico 2015   02 g
Calendario academico 2015 02 g
 
Db vsa-011 registro de asistencia docente ago2015
Db vsa-011 registro de asistencia docente  ago2015Db vsa-011 registro de asistencia docente  ago2015
Db vsa-011 registro de asistencia docente ago2015
 
Utp 2015-2_pdi_lab3
 Utp 2015-2_pdi_lab3 Utp 2015-2_pdi_lab3
Utp 2015-2_pdi_lab3
 
Utp sirn_2015-2 lab3
 Utp sirn_2015-2 lab3 Utp sirn_2015-2 lab3
Utp sirn_2015-2 lab3
 
Pdi paterno m_lab2c
Pdi paterno m_lab2cPdi paterno m_lab2c
Pdi paterno m_lab2c
 
Utp 2015-2_sirn_s7_r_competitivas
 Utp 2015-2_sirn_s7_r_competitivas Utp 2015-2_sirn_s7_r_competitivas
Utp 2015-2_sirn_s7_r_competitivas
 
Utp 2015-2_sirn_s7_r_competitivas
 Utp 2015-2_sirn_s7_r_competitivas Utp 2015-2_sirn_s7_r_competitivas
Utp 2015-2_sirn_s7_r_competitivas
 
Utp 2015-2_sirn_s6_adaline y backpropagation
 Utp 2015-2_sirn_s6_adaline y backpropagation Utp 2015-2_sirn_s6_adaline y backpropagation
Utp 2015-2_sirn_s6_adaline y backpropagation
 
Utp sirn_s1_introduccion ia 2014-2
 Utp sirn_s1_introduccion ia 2014-2 Utp sirn_s1_introduccion ia 2014-2
Utp sirn_s1_introduccion ia 2014-2
 
Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
W0 i9 inteligenciaartificial
W0 i9 inteligenciaartificialW0 i9 inteligenciaartificial
W0 i9 inteligenciaartificial
 
Wi0 a sistemasinteligentesyredesneuronales
Wi0 a sistemasinteligentesyredesneuronalesWi0 a sistemasinteligentesyredesneuronales
Wi0 a sistemasinteligentesyredesneuronales
 
4 g
4 g4 g
4 g
 
Article005
Article005Article005
Article005
 

Salidas RNA Funciones

  • 1. Ing. José C. Benítez P. Inteligencia Artificial (W0I9) Salidas y entrenamiento de las RNA Laboratorio: 3
  • 2.  Objetivo  Fundamento teórico: Las salidas de las RNA.  Funciones de Propagación  Funciones de Activación  Conclusiones Salidas y entrenamiento de las RNA 2
  • 3. Objetivo  Revisar el concepto del calculo de las salidas de las RNAs.  Hallar la salida de RNAs sencillas.  Entrenar RNAs sencillas. 3
  • 4. Fundamento teórico Funciones que intervienen las salidas de las RNAs: Las salidas de una RNA viene dada por dos funciones: 1. Una función de propagación 2. Una función de activación 1 e Salida Capa de Salida Y 4
  • 5. 1. Funciones de propagación. • También es conocida como función de excitación. • Consiste en la sumatoria de cada entrada multiplicada por el peso de su interconexión (valor neto). • Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina inhibitoria. 2. Funciones de activación • La función de activación, modifica a la función de propagación. • Puede no existir, siendo en este caso la salida la misma función de propagación. Fundamento teórico 5
  • 6. Funciones de propagación 1 22 1 Calculo de las salidas de la RNA: Calcular las salidas mediante la función de propagación de la RNA siguiente: Función de propagación de la NA 1 (de salida O1): Función de propagación de la NA 2 (de salida O2): 6
  • 7. Ejemplo. RNA sin bias. Dado: I =[1;-1] w=[w11 w12; w21 w22] =[-1 -1; 1 1]. Hallar las salidas. Hallar la función de propagación respectivas Código MatLab: >> I=[1;-1] I = 1 -1 >> W=[-1 -1; 1 1] W = -1 -1 1 1 >> O=W'*I O = -2 -2 >> 1 22 1 7
  • 8. Ejercicio. RNA con bias. Dado: I =[1; -1] w=[w11 w12; w21 w22] =[-1 -1; 1 1]. b=[b1; b2]=[1; 2] Hallar las salidas. 1 22 1 8
  • 9. Ejercicio: RNA con entrada vectorial. Hallar la función de propagación y salidas respectivas de la RNA 1 22 1 b1 b2 9
  • 10. Ejercicio: Dado: Hallar la función de propagación y salidas respectivas sabiendo que a función de activación en hardlim. 1 22 1 3I3 b1 b2 10
  • 11. Tarea  Presentar dos RNAs y dadas sus entradas, pesos de sus enlaces y bias, hallar la salida. La primera red debe considerar entradas escalares y la segunda vectorial.  Presentar otras dos RNAs y dadas sus entradas, sus salidas y bias. Determinar si la red aprende. La primera red debe considerar entradas escalares y la segunda vectorial. 11
  • 12. Informe de Laboratorio  El Informe de Laboratorio es un documento gráfico en lo posible y es redactado en Word con el desarrollo del laboratorio.  Niveles de Informe:  Primer nivel: Observaciones. Imágenes con comentarios cortos. Redactar al ir desarrollando el laboratorio. (Requiere desarrollar el laboratorio).  Segundo nivel: Conclusiones. Redactar al terminar el laboratorio.(Requiere haber desarrollado el laboratorio).  Tercer Nivel: Recomendaciones. (Requiere lectura de otras fuentes).  Dentro de su Carpeta Personal del Dropbox crear una carpeta para el laboratorio 2 con el siguiente formato: IA_PaternoM_Lab3  Adjuntar fuentes que le han ayudado en esta carpeta creada.  Las fuentes deben conservar el nombre original de archivo y se debe agregar _L3 al final.  Presentar el Informe de Laboratorio 3 en esta carpeta creada. 12
  • 13. Lab3. Salidas y entrenamiento de las RNA Blog del curso: http:/utpiayse.blogspot.com 13