Your SlideShare is downloading. ×
0
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×
Saving this for later? Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime – even offline.
Text the download link to your phone
Standard text messaging rates apply

Matlab Neural Network Toolbox MATLAB

15,285

Published on

Published in: Education
0 Comments
6 Likes
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total Views
15,285
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
601
Comments
0
Likes
6
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. Matlab Neural Network Toolbox Matworks Inc .
  • 2. Neural Network Toolbox (Matlab) <ul><li>Es una colección de funciones construidas predefinidas en una ambiente numérico de computo de MATLAB. </li></ul><ul><li>Estas funciones predefinidas pueden ser llamadas por el usuario para simular diferentes tipos de modelos neuronales. </li></ul><ul><li>Neural Network Toolbox es una herramienta útil en la industria , educación e investigación. </li></ul>
  • 3. Descripción General <ul><li>Herramienta para el desarrollo y entrenamiento de redes neuronales mas populares bajo el ambiente de Matlab. Tales como: Perceptrón, Adaline, Backpropagation, redes de Base Radial, SOM, Elman, Hopfield, LVQ. </li></ul><ul><ul><li>Plataforma: Windows 95, 98. </li></ul></ul><ul><ul><li>Desarrollador: Mathworks. </li></ul></ul>
  • 4. Texto <ul><li>Neural Network Toolbox </li></ul><ul><li>By Hagan, Demuth, Beale </li></ul><ul><li>Mathworks </li></ul>
  • 5. Neuron Model and Network Architectures
  • 6. Single-Input Neuron
  • 7. Transfer Functions
  • 8. Transfer Functions
  • 9. Funciones en Matlab/NNT Neural Network Toolbox
  • 10. Función: hardlim <ul><li>Hard limit </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a = 0 para n < 0 </li></ul><ul><li>a = 1 para n  0 </li></ul><ul><li>Icono </li></ul>
  • 11. Función: hardlims <ul><li>Symmetrical Hard limit </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a = -1 para n < 0 </li></ul><ul><li>a = +1 para n  0 </li></ul><ul><li>Icono </li></ul>
  • 12. Función: purelin <ul><li>Linear </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a = n </li></ul><ul><li>Icono </li></ul>
  • 13. Función: satlin <ul><li>Saturating linear </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a=0 para n < 0 </li></ul><ul><li>a=n para 0  n  1 </li></ul><ul><li>a=1 para n > 1 </li></ul><ul><li>Icono </li></ul>
  • 14. Función: satlins <ul><li>Symmetric Saturating linear </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a=0 para n< -1 </li></ul><ul><li>a=n para -1  n  1 </li></ul><ul><li>a=1 para n > 1 </li></ul><ul><li>Icono </li></ul>
  • 15. Función: poslin <ul><li>Positive linear Function </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a=0 para n < 0 </li></ul><ul><li>a=n para n  0 </li></ul>
  • 16. Función: logsig <ul><li>Log-sigmoid </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>Icono </li></ul>
  • 17. Función: tansig <ul><li>Hyperbolic tangent sigmoid </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a = tanh(n) </li></ul><ul><li>o bien </li></ul>
  • 18. Función: radbas <ul><li>Radial Basis </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a=1 para n = 0 </li></ul><ul><li>para n  0 </li></ul>
  • 19. Función: compet <ul><li>Competitive </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a = 1 para la neurona con el valor máximo de n </li></ul><ul><li>a = 0 para todas las demás neuronas </li></ul><ul><li>Icono </li></ul>
  • 20. Función: tribas <ul><li>Triangular Basis Function </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>a=0 para n< -1 y , n> 1 </li></ul><ul><li>a= f(n) para </li></ul><ul><li>a=1 para n = 0 </li></ul>
  • 21. Multiple-Input Neuron Abreviated Notation
  • 22. Layer of Neurons
  • 23. Abbreviated Notation W w 1 1  w 1 2   w 1 R  w 2 1  w 2 2   w 2 R  w S 1  w S 2   w S R  = b 1 2 S = b b b p p 1 p 2 p R = a a 1 a 2 a S =
  • 24. Multilayer Network
  • 25. Abreviated Notation Hidden Layers Output Layer
  • 26. Delays and Integrators
  • 27. Recurrent Network
  • 28. <ul><li>Funciones de Neural Network Toolbox </li></ul>
  • 29. Funciones del Perceptrón <ul><li>Hardlim Función de transferencia de limite estricto. </li></ul><ul><li>Hardlims Función de transferencia de limite estricto simétrica. </li></ul><ul><li>Initp Inicializa una capa del perceptrón. </li></ul><ul><li>Learnp Regla de aprendizaje del perceptrón. </li></ul>
  • 30. Funciones del Perceptrón <ul><li>Plotpc Gráfica la clasificación del perceptrón. </li></ul><ul><li>Plotpv Gráfica los vectores entrenamiento del perceptrón. </li></ul><ul><li>Simup Simula una capa del perceptrón. </li></ul><ul><li>Learnpn Normaliza la regla de aprendizaje del perceptron. </li></ul><ul><li>Trainp entrena una capa del perceptrón con la regla de aprendizaje </li></ul>
  • 31. Demos y Tutoriales en Matlab/NNT
  • 32. Editor de Código en Matlab/NNT
  • 33. Simulación y Graficación

×