Descargar

Redes neuronales artificiales (página 2)

Enviado por Pablo Turmero


Partes: 1, 2
edu.red

Algoritmos de AprendizajeCompetitivo Las neuronas de salida compiten para activarse. Solo una neurona de salida estará activa a la vez. Usadas en clasificación.

edu.red

Algoritmos de AprendizajeCompetitivo yk= 1 si vk> vj ?j?k yk= 0 otro caso

?i wkj = 1 ?k

?wkj = ? (xj – wkj) si k gana ?wkj = 0 si k pierde

edu.red

Algoritmos de AprendizajeBoltzmann Estructura recurrente Estados: 1 y -1

E = – ½ ?j ?k wkjxkxj para j ?k — Energy

Seleccionar neurona k aleatoriamente Cambiar su estado a temperatura T con probabilidad

?wkj = ? (?kj+ – ?kj-) para j ?k

edu.red

Algoritmos de AprendizajeBoltzmann Neuronas: Fijas (entradas) Libres Utilizadas para modelar (aprender) una distribución de probabilidad de los datos de entrada. Completan entradas incompletas.

edu.red

Paradigmas de AprendizajeSupervizado

edu.red

Paradigmas de AprendizajePor Refuerzos Minimizar un índice escalar de aptitud Refuerzo retardado Asignación de Crédito y Culpa a acciones Aprende a realizar tareas basado solamente en el resultado de sus experiencias

edu.red

Paradigmas de AprendizajeNo Supervizado Auto-organizado Medida de calidad de representación, independiente del contexto Los parámetros son optimizados con respecto a esa medida Clasificación

edu.red

Tareas de AprendizajeAsociación de Patrones Memoria Asociativa Almacenar Patrones Patrones con ruido Recordar patrones xk ? yk, k=1, 2, … , q Autoasociativo: xk = yk Heteroasociativo: xk ? yk Meta de Diseño: Recordar + patrones con – neuronas

edu.red

Tareas de AprendizajeReconocimiento de Patrones Clasificación

edu.red

Tareas de AprendizajeAproximación Funcional d = f(x) T = {(xi, di)}, i=1, …, N F aproximación de f Meta: ?F(x) – f(x)?< ?, ?x

edu.red

Tareas de AprendizajeControl d = f(x) T = {(xi, di)}, i=1, …, N F aproximación de f Meta: ?F(x) – f(x)?>?, ?x

edu.red

Tareas de AprendizajeFiltrado Filtrado. Extracción de información de una variable en el tiempo discreto n, usando mediciones hasta n. Smoothing. Filtrado con retardo. Predicción. Derivar información acerca del futuro de una variable, usando información pasada.

edu.red

Tareas de AprendizajeFiltrado Problema del Cocktail. Predicción no Lineal.

edu.red

Ejercicios(Reglas de Aprendizaje)

edu.red

Ejercicios (Reglas de Aprendizaje)

edu.red

Ejercicios (Reglas de Aprendizaje)

edu.red

Ejercicios(Paradigmas de Aprendizaje)

Partes: 1, 2
 Página anterior Volver al principio del trabajoPágina siguiente