Sistemas Inteligentes yRedes Neuronales Artificiales           (SI01)        Laboratorio: 1 Funciones de activación de las...
Funciones de activación de las RNAs     Objetivo     Fundamento teórico: Funciones de las RNA.     Funciones de Activación...
ObjetivoRevisar el concepto y aplicación de las diferentesfunciones que representan a las RNAs.Graficar las diferentes fun...
Fundamento teóricoFunciones que representan a las RNAs:La salida de una neurona viene dada por tres funciones:1. Una funci...
Fundamento teórico1. Una función de propagación.    • También es conocida como función de excitación.    • Consiste en la ...
Funciones de activaciónFunción de transferencia de las RNAComo función de transferencia se usan generalmente las siguiente...
a)   Función de activación Escalón.     Utilizada en redes Perceptron. Se obtiene salidas de valores [0,1].               ...
b) Función de activación Escalón.   Utilizada en redes Perceptron. Se obtiene salidas de valores [-1,1].                  ...
Para las siguientes funciones deactivación utilizar los vectores deentrada mostrados:>>v=-10:0.5:10;>>m=[-5:0.5:5;-4:0.5:6...
c) Función de activación Lineal.   Utilizada en redes adaline o en la última capa de las MLP.   La salida es igual que la ...
e) Función de activación no Lineal.  Para la salida [0,1], función  sigmoide logaritmica,  utilizamos el comando :  >>Y=lo...
f) Función de activación Saturación.    Utilizada en las redes Hopfield    Para la salida de valores [0,1],    utilizamos ...
Tarea Utilizar vectores cuadráticos, rampa, ruido y pulso (cada una centrado en el eje Y) para cada una de las funciones d...
Informe de LaboratorioEl Informe de Laboratorio es un documento gráfico en lo posibley es redactado en Word con el desarro...
Lab1. Funciones de activación de las RNAs.       http://utpsirn.blogspot.com         Sistemas Inteligentes y Redes Neurona...
Upcoming SlideShare
Loading in...5
×

Utp sirn_sl1 funciones de rna 2012-2

3,723

Published on

0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
3,723
On Slideshare
0
From Embeds
0
Number of Embeds
6
Actions
Shares
0
Downloads
62
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide

Utp sirn_sl1 funciones de rna 2012-2

  1. 1. Sistemas Inteligentes yRedes Neuronales Artificiales (SI01) Laboratorio: 1 Funciones de activación de las RNAs Ing. José C. Benítez P.
  2. 2. Funciones de activación de las RNAs Objetivo Fundamento teórico: Funciones de las RNA. Funciones de Activación Tarea Informe de Laboratorio Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 2
  3. 3. ObjetivoRevisar el concepto y aplicación de las diferentesfunciones que representan a las RNAs.Graficar las diferentes funciones de activaciónutilizados usualmente en RNAs. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 3
  4. 4. Fundamento teóricoFunciones que representan a las RNAs:La salida de una neurona viene dada por tres funciones:1. Una función de propagación2. Una función de activación3. Una función de transferencia Capa de Salida Salida 1 Y e Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 4
  5. 5. Fundamento teórico1. Una función 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. Una función 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.3. Función de transferencia • La función de transferencia, se aplica al valor devuelto por la función de activación. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 5
  6. 6. Funciones de activaciónFunción de transferencia de las RNAComo función de transferencia se usan generalmente las siguientesfunciones:- Escalón- Lineal- No lineal- Competitiva- Saturación Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 6
  7. 7. a) Función de activación Escalón. Utilizada en redes Perceptron. Se obtiene salidas de valores [0,1]. Se usa el comando: >>Y=hardlim(v) Ejemplo: >>v=-10:0.5:10; >>subplot(121), plot(v); >>subplot(122), stem(v); >>O=hardlim(v); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m=[-5:0.5:5;-4:0.5:6]; >>O=hardlim(m); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7]; >>O=hardlim(m2); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 7
  8. 8. b) Función de activación Escalón. Utilizada en redes Perceptron. Se obtiene salidas de valores [-1,1]. Se usa el comando: >>Y=hardlims(v) Ejemplo: >>v=-10:0.5:10; >>subplot(121), plot(v); >>subplot(122), stem(v); >>O=hardlims(v); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m=[-5:0.5:5;-4:0.5:6]; >>O=hardlims(m); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7]; >>O=hardlims(m2); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 8
  9. 9. Para las siguientes funciones deactivación utilizar los vectores deentrada mostrados:>>v=-10:0.5:10;>>m=[-5:0.5:5;-4:0.5:6];>>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7];Graficar las entradas y las salidasrespectivamente. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 9
  10. 10. c) Función de activación Lineal. Utilizada en redes adaline o en la última capa de las MLP. La salida es igual que la entrada, se obtiene con el comando: >>Y=purelin(v)d) Función de activación Gaussiana. Utilizada en redes de base radial La respuesta es de una función gaussiana, utilizamos el comando : >>Y=radbas(v) Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 10
  11. 11. e) Función de activación no Lineal. Para la salida [0,1], función sigmoide logaritmica, utilizamos el comando : >>Y=logsig(v) Para la salida [-1,1], función tangente sigmoidal hiperbólica, utilizamos el comando : >>Y=tansig(v) Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 11
  12. 12. f) Función de activación Saturación. Utilizada en las redes Hopfield Para la salida de valores [0,1], utilizamos el comando : >>Y=satlin(v) Para la salida de valores [-1,1], utilizamos el comando : >>Y=satlins(v) Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 12
  13. 13. Tarea Utilizar vectores cuadráticos, rampa, ruido y pulso (cada una centrado en el eje Y) para cada una de las funciones de activación desarrolladas en este laboratorio. Mediante MatLab graficar el vector de entrada y la salida. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 13
  14. 14. Informe de LaboratorioEl Informe de Laboratorio es un documento gráfico en lo posibley 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 carpetapara el laboratorio 1 con el siguiente formato: SIRN_PaternoM_Lab1Adjuntar fuentes que le han ayudado en esta carpeta creada.Las fuentes deben conservar el nombre original de archivo y sedebe agregar _L1 al final.Presentar el Informe de Laboratorio 1 en esta carpeta creada. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 14
  15. 15. Lab1. Funciones de activación de las RNAs. http://utpsirn.blogspot.com Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 15
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×