Indice
|
![]() FUNCIONAMIENTO DE BASICO DE UNA NEURONA ARTIFICIAL Aplicación que permite comprender como es el funcionamiento de una neurona artificial. El usuario puede variar el valor de los pesos, el valor de las entradas a la neurona y el tipo de función de activación. Con el boton evaluar se actualiza el valor de la neta que tiene la neurona y la salida de la misma. Modificación de entradas: Las regiones de edición marcadas con x1,x2,x3 constituyen las entradas de la neurona, usted las puede editar para simular la neurona con entradas diferentes a las puestas por defecto. Modificación de pesos: Las regiones de edición marcadas con w1,w2,w3 y bias (tendencia) constituyen los pesos de la neurona, usted los puede editar para simular diferentes condiciones de funcionamiento Modificación de la función de Activación: La función de activación de la neurona puede ser modificada por usted haciendo uso de la lista desplegable que muestra las diferentes funciones de activación disponibles, para este caso usted escoge entre la escalón, la lineal y la sigmoidal. Evaluación del funcionamiento de la neurona: Al oprimir el botón evaluar se hace el cálculo de la salida de la neurona con la función de activación que el usuario haya elegido. Para calcular la salida de la neurona primero se debe calcular la entrada neta de la neurona, cuyo valor se puede visualizar en la región de edición marcada como neta Salida de la aplicación: Para cerrar la aplicación usted puede oprimir el botón salir.
![]() Ventana de la aplicación para entender el funcionamiento de una neurona artificial RECONOCIMIENTO DE CARACTERES CON UN PERCEPTRON Una de los campos en la cual las Redes Neuronales tienen gran utilidad es el reconocimiento de patrones, en esta demostración se observa como un Perceptron ya entrenado es capaz de reconocer el carácter definido en la matriz de píxeles de la entrada Caracteres.zip ZIP file (302 K bytes) Pantalla del reconocimiento de caracteres usando un Perceptron Para lograr esto usted debe hacer los siguientes pasos: En el menú Archivo seleccionar Leer Patrones de Entrenamiento lo cual permite que el usuario seleccione una archivo de texto con lo patrones de entrenamiento que se desea aprender (numeros.pat), en la figura se muestra el ejemplo del archivo de patrones para el aprendizaje de los caracteres numéricos. Este archivo se encuentra en el archivo comprimido suministrado Archivo de patrones para el aprendizaje de los caracteres numéricos Al cargar el archivo de patrones el botón inicializar se habilita, el siguiente paso es inicializar la red usando este botón. Al oprimir este botón se habilita el botón entrenar. Luego de inicializar la red, se procede a entrenarla, para tal fin se oprime el botón entrenar; al hacer esto, la aplicación le mostrará como va evolucionando el error del aprendizaje a medida que transcurren la iteraciones; el entrenamiento se detiene cuando el error se hace cero.
Evolución de error durante el aprendizaje Luego de tener la red entrenada hay que validar el comportamiento de ella ante diferentes entradas, para tal fin usted puede definir el carácter que desea que la red reconozca haciendo uso de los botones que traen unos caracteres predefinidos o formándolo, con la matriz de check box dispuesta para tal fin. Habiendo definido el carácter se hace uso del botón validar el cual presenta a la red las diferentes posiciones del carácter, procesándolo y generando a las salida el código binario del carácter que ella reconoció; un ejemplo de esto se puede observar en una de las figuras anteriores donde el carácter de entrada es el siete y se observa la red como lo reconoció satisfactoriamente.
APRENDIZAJE DE FUNCIONES CON UNA RED MLP Las Redes Neuronales multicapa son muy buenas en tareas de aprendizaje de funciones, en esta demostración se observa como una red de este tipo es capaz de aprender una función senoidal FuncionRNA.zip ZIP file (390 K bytes) Para lograr esto usted debe hacer los siguientes pasos: En el menú Archivo seleccionar Leer Patrones de Entrenamiento lo cual permite que el usuario seleccione una archivo de texto con lo patrones (entrada y salida) de la función que se desea aprender (seno.pat), en la figura se muestra el ejemplo del archivo de patrones para la función senoidal. Este archivo se encuentra en el archivo comprimido suministrado Archivo de patrones para la función senoidal Al cargar el archivo de patrones el botón inicializar se habilita, el siguiente paso es inicializar la red usando este botón. Luego de inicializar la red neuronal se procede a entrenarla, para tal fin se hace uso del botón entrenar. Cuando la red está siendo entrenada se puede observar como la salida del la red (linea azul) va aproximándose a la salida definida por los patrones de aprendizaje (puntos rojos).
Arriba [Redes Neuronales] [Computación Evolutiva] [Lógica Difusa] [Control Inteligente] |