POR: Gina Paola

Garzón

REDES NEURONALESPERCEPTRON MULTICAPA

OBJETIVOSGENERAL

Demostrar la usabilidad del modelo de aprendizaje de retro propagación para redes neuronales supervisadas, por medio una aplicación de reconocimiento de patrones.

ESPECÍFICOS:

1. Conocer la arquitectura del perceptrón multicapa.2. Entender el algoritmo de retro propagación.3. Analizar, identificar y determinar los patrones requeridos.4. Diseñar red neuronal con el uso del algoritmo de retro propagación.5. Desarrollar e implementar la aplicación de software.

ARQUITECTURAPERCEPTRÓN MULTICAPA

Se caracteriza porque tiene sus neuronas agrupadas en capas de diferentes niveles.

REDES NEURONALES

PERCEPTRON

SIMPLE MULTICAPA

TIENE CAPAS

ALGORITMO DE APRENDIZAJE SUPERVISADO

RETRO PROPAGACIÓN

6

78

5

9

21

34

0ABCDEF

GHIJKL

RSTUV

NM

OPQX

W

Y

Z

ENTRADASALIDA

OCULTA

TIENE UNA LISTA

LETRAS Y NUMERIOS

ES TOMADA DE

BITS DE LAIMÁGEN A RECONOCER

SUBCAPA

FUNCION DE TRANSFERENCIA

PESO

NEURONAS

TIENE n

BACK PROPAGATIONRequiere conocer las salidas en un determinado momento de tiempo para poder actualizar los pesos de las neuronas, esta red permite que presentandouna serie de valores arbitrarios, la red tienda a reconocer el patrón tras haber aprendido de patrones anteriores, incluso si nunca antes ha visto al patrón de entradaEsta red aprende de un conjunto de valores dados y posteriormente aprende reconocer patrones nunca antes presentados a la red, es decir asemeja los patrones de entrada, con los patrones que haya visto anteriormente.

PROCESO DE APRENDIZAJE BACK PROPAGATION

1. La red aprende conjunto de datos dados en formas como par entrada-salida.

2. Emplea un ciclo de propagación dado para el primer conjunto datos correspondientes a la entrada se propagan por la red hacia las neuronas ocultas y luego hasta llegar a la salida.

3. Se obtiene una señal de la fase de propagación.4. Ésta señal obtenida se compara con la salida deseada haciendo cálculo

del error para cada neurona de salida.5. Con el error obtenido se puede hacer un recálculo de los pesos qu8e

se empiezan a trasmitir hacia atrás de forma cíclica hasta obtener la salida deseada, de ahí el nombre del algoritmo.

REQUISITOS

Programa de reconocimiento de números y letras usando el algoritmo de retro propagación.

ANÁLISIS Y DISEÑO

1. Definición de caracteres de aprendizaje (10 dígitos y 27 letras de alfabeto).

2. Diseño de red neuronal: 5 neuronas de entrada, 3 neuronas ocultas y 5 neuronas de salida.

3. Definición de interfaz de usuario: Un tablero segmentado de 5x5, lista desplegable de caracteres, botones de peticiones y cuadro de vista de resultados.

9

10

11

12

2

1

6

3

4

7

8

13

ESTRUCTURA DE RED NEURONAL

5

9

10

11

12

2

1

6

3

4

U4

W16

W17

W47

W48

W26W27

U2

W46

7

8

W28

W36W37

W18

W38

U3

U8

U7

U6

13U5W56

W57

W58

W66

W55

W77

W88

W610

W79W89

W69

W710

W810W611

W711W811

W813W713W613

W612

W812

W712

ESTRUCTURA DE RED NEURONAL

5

W44

W33

W22

W11

CODIFICACIÓN

PRUEBAS