Matlab Neural Network Toolbox MATLAB

16,636 views

Published on

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

No Downloads
Views
Total views
16,636
On SlideShare
0
From Embeds
0
Number of Embeds
77
Actions
Shares
0
Downloads
654
Comments
0
Likes
8
Embeds 0
No embeds

No notes for slide

Matlab Neural Network Toolbox MATLAB

  1. 1. Matlab Neural Network Toolbox Matworks Inc .
  2. 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. 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. 4. Texto <ul><li>Neural Network Toolbox </li></ul><ul><li>By Hagan, Demuth, Beale </li></ul><ul><li>Mathworks </li></ul>
  5. 5. Neuron Model and Network Architectures
  6. 6. Single-Input Neuron
  7. 7. Transfer Functions
  8. 8. Transfer Functions
  9. 9. Funciones en Matlab/NNT Neural Network Toolbox
  10. 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. 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. 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. 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. 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. 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. 16. Función: logsig <ul><li>Log-sigmoid </li></ul><ul><li>Relación entrada/salida </li></ul><ul><li>Icono </li></ul>
  17. 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. 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. 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. 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. 21. Multiple-Input Neuron Abreviated Notation
  22. 22. Layer of Neurons
  23. 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. 24. Multilayer Network
  25. 25. Abreviated Notation Hidden Layers Output Layer
  26. 26. Delays and Integrators
  27. 27. Recurrent Network
  28. 28. <ul><li>Funciones de Neural Network Toolbox </li></ul>
  29. 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. 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. 31. Demos y Tutoriales en Matlab/NNT
  32. 32. Editor de Código en Matlab/NNT
  33. 33. Simulación y Graficación

×