SlideShare a Scribd company logo
1 of 13
Download to read offline
Sistemas Inteligentes y
Redes Neuronales Artificiales
           (SI01)
       Laboratorio: 3
 Salidas y entrenamiento de las RNA


          Ing. José C. Benítez P.
Salidas y entrenamiento de las RNA

     Objetivo
     Fundamento teórico: Las salidas de las RNA.
     Funciones de Propagación
     Funciones de Activación
     Conclusiones




            Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   2
Objetivo

Revisar el concepto del calculo de las salidas de las
RNAs.
Hallar la salida de RNAs sencillas.
Entrenar RNAs sencillas.




         Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   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


      Capa de
      Salida

                Salida
        1                                                                                          Y


                                                                                               e



                    Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.           4
Fundamento teórico
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.




                   Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   5
Funciones de propagación
Calculo de las salidas de la RNA:
Calcular las salidas mediante la función de propagación de la
RNA siguiente:
                       1                                 1



                       2                                 2

  Función de propagación de la NA 1 (de salida O1):


  Función de propagación de la NA 2 (de salida O2):



                 Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   6
Ejemplo. RNA sin bias.
            1                        1
                                                                                                   Código MatLab:
                                                                        >> I=[1;-1]
             2                 2                                        I=
                                                                           1
Dado: I =[1;-1] w=[w11 w12; w21 w22] =[-1 -1; 1 1]. Hallar las salidas.
                                                                          -1
                                                                        >> W=[-1 -1; 1 1]
                                                                        W=
                                                                          -1 -1
  Hallar la función de propagación respectivas                             1 1
                                                                        >> O=W'*I
                                                                        O=
                                                                          -2
                                                                          -2
                                                                        >>

                        Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.              7
Ejercicio. RNA con bias.
        1                        1



        2                        2

Dado:
I =[1; -1]
w=[w11 w12; w21 w22] =[-1 -1; 1 1].
b=[b1; b2]=[1: 2]
Hallar las salidas.




                    Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   8
Ejercicio: RNA con entrada vectorial.
        1                        1

                                            b1

        2                        2

                                            b2
Hallar la función de propagación y salidas respectivas de la RNA




                    Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   9
Ejercicio:
         1                       1

                                            b1

         2                       2

                                            b2
I3       3

 Dado:




 Hallar la función de propagación y salidas respectivas sabiendo
 que a función de activación en hardlim.


                    Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   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.




                Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   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:
                      SIRN_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.
           Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.   12
Lab3. Salidas y entrenamiento de las RNA




                Blog del curso:
             utpsirn.blogspot.com

                                                                                       13
            Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.

More Related Content

Similar to Utp sirn_sl3 salidas de rna 2012-2

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 sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3jcbenitezp
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3jcbenitezp
 
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
 
Utp ia_sl3 salidas de rna
 Utp ia_sl3 salidas de rna Utp ia_sl3 salidas de rna
Utp ia_sl3 salidas de rnajcbenitezp
 
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
 
Utp sirn_sl2 la rna perceptron
 Utp sirn_sl2 la rna perceptron Utp sirn_sl2 la rna perceptron
Utp sirn_sl2 la rna perceptronjcbenitezp
 
Utp sirn_s2_rna
 Utp sirn_s2_rna  Utp sirn_s2_rna
Utp sirn_s2_rna jcbenitezp
 
Utp sirn_s2_rna 2012-2
 Utp sirn_s2_rna 2012-2  Utp sirn_s2_rna 2012-2
Utp sirn_s2_rna 2012-2 jcbenitezp
 
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
 
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 sl4 la rna perceptron 2012-2
Utp sirn sl4 la rna perceptron 2012-2Utp sirn sl4 la rna perceptron 2012-2
Utp sirn sl4 la rna perceptron 2012-2jcbenitezp
 
Utp sirn_s7_adaline y perceptron
 Utp sirn_s7_adaline y perceptron Utp sirn_s7_adaline y perceptron
Utp sirn_s7_adaline y perceptronjcbenitezp
 
Utp sirn_sl5 la rna adaline 2012-2
 Utp sirn_sl5 la rna adaline 2012-2 Utp sirn_sl5 la rna adaline 2012-2
Utp sirn_sl5 la rna adaline 2012-2jcbenitezp
 
Utp sirn_sl8 conjuntos difusos i
 Utp sirn_sl8 conjuntos difusos i Utp sirn_sl8 conjuntos difusos i
Utp sirn_sl8 conjuntos difusos ic09271
 
Utp sirn_sl8 conjuntos difusos i
 Utp sirn_sl8 conjuntos difusos i Utp sirn_sl8 conjuntos difusos i
Utp sirn_sl8 conjuntos difusos ic09271
 
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
 

Similar to Utp sirn_sl3 salidas de rna 2012-2 (20)

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 sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
 
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
 
Utp ia_sl3 salidas de rna
 Utp ia_sl3 salidas de rna Utp ia_sl3 salidas de rna
Utp ia_sl3 salidas de rna
 
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
 
Utp sirn_sl2 la rna perceptron
 Utp sirn_sl2 la rna perceptron Utp sirn_sl2 la rna perceptron
Utp sirn_sl2 la rna perceptron
 
Utp sirn_s2_rna
 Utp sirn_s2_rna  Utp sirn_s2_rna
Utp sirn_s2_rna
 
Utp sirn_s2_rna 2012-2
 Utp sirn_s2_rna 2012-2  Utp sirn_s2_rna 2012-2
Utp sirn_s2_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
Utp sirn_sl2 patrones de aprendizaje de las rna 2012-2
 
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
 
Utp sirn sl4 la rna perceptron 2012-2
Utp sirn sl4 la rna perceptron 2012-2Utp sirn sl4 la rna perceptron 2012-2
Utp sirn sl4 la rna perceptron 2012-2
 
Utp sirn_s7_adaline y perceptron
 Utp sirn_s7_adaline y perceptron Utp sirn_s7_adaline y perceptron
Utp sirn_s7_adaline y perceptron
 
Utp sirn_sl5 la rna adaline 2012-2
 Utp sirn_sl5 la rna adaline 2012-2 Utp sirn_sl5 la rna adaline 2012-2
Utp sirn_sl5 la rna adaline 2012-2
 
Utp sirn_sl8 conjuntos difusos i
 Utp sirn_sl8 conjuntos difusos i Utp sirn_sl8 conjuntos difusos i
Utp sirn_sl8 conjuntos difusos i
 
Utp sirn_sl8 conjuntos difusos i
 Utp sirn_sl8 conjuntos difusos i Utp sirn_sl8 conjuntos difusos i
Utp sirn_sl8 conjuntos difusos i
 
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
 

More from 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 ia_s1_introduccion ia
 Utp ia_s1_introduccion ia Utp ia_s1_introduccion ia
Utp ia_s1_introduccion iajcbenitezp
 
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 sirn_2014-1 lab1
 Utp sirn_2014-1 lab1 Utp sirn_2014-1 lab1
Utp sirn_2014-1 lab1jcbenitezp
 
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
 

More from 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 ia_s1_introduccion ia
 Utp ia_s1_introduccion ia Utp ia_s1_introduccion ia
Utp ia_s1_introduccion ia
 
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 sirn_2014-1 lab1
 Utp sirn_2014-1 lab1 Utp sirn_2014-1 lab1
Utp sirn_2014-1 lab1
 
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
 

Utp sirn_sl3 salidas de rna 2012-2

  • 1. Sistemas Inteligentes y Redes Neuronales Artificiales (SI01) Laboratorio: 3 Salidas y entrenamiento de las RNA Ing. José C. Benítez P.
  • 2. Salidas y entrenamiento de las RNA Objetivo Fundamento teórico: Las salidas de las RNA. Funciones de Propagación Funciones de Activación Conclusiones Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 2
  • 3. Objetivo Revisar el concepto del calculo de las salidas de las RNAs. Hallar la salida de RNAs sencillas. Entrenar RNAs sencillas. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 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 Capa de Salida Salida 1 Y e Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 4
  • 5. Fundamento teórico 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. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 5
  • 6. Funciones de propagación Calculo de las salidas de la RNA: Calcular las salidas mediante la función de propagación de la RNA siguiente: 1 1 2 2 Función de propagación de la NA 1 (de salida O1): Función de propagación de la NA 2 (de salida O2): Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 6
  • 7. Ejemplo. RNA sin bias. 1 1 Código MatLab: >> I=[1;-1] 2 2 I= 1 Dado: I =[1;-1] w=[w11 w12; w21 w22] =[-1 -1; 1 1]. Hallar las salidas. -1 >> W=[-1 -1; 1 1] W= -1 -1 Hallar la función de propagación respectivas 1 1 >> O=W'*I O= -2 -2 >> Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 7
  • 8. Ejercicio. RNA con bias. 1 1 2 2 Dado: I =[1; -1] w=[w11 w12; w21 w22] =[-1 -1; 1 1]. b=[b1; b2]=[1: 2] Hallar las salidas. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 8
  • 9. Ejercicio: RNA con entrada vectorial. 1 1 b1 2 2 b2 Hallar la función de propagación y salidas respectivas de la RNA Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 9
  • 10. Ejercicio: 1 1 b1 2 2 b2 I3 3 Dado: Hallar la función de propagación y salidas respectivas sabiendo que a función de activación en hardlim. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 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. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 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: SIRN_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. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 12
  • 13. Lab3. Salidas y entrenamiento de las RNA Blog del curso: utpsirn.blogspot.com 13 Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P.