S iy rn 2013-2 balotario pc2

1,340 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
1,340
On SlideShare
0
From Embeds
0
Number of Embeds
888
Actions
Shares
0
Downloads
18
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

S iy rn 2013-2 balotario pc2

  1. 1. FACULTAD DE INGENIERA DE SISTEMAS Y ELECTRONICA ESCUELA DE INGENIERIA ELECTRONICA Prof. Ing. José C. Benítez P. SI01 SISTEMAS INTELIGENTES Y REDES NEURONALES BALOTARIO PC2 1. Resolver: a. El siguiente problema de clasificación con el SLP: ~(A->B). Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab. b. Graficar el modelo sintético de una RNA con las siguientes características: - 12 entradas y 4 capas procesadoras. - 1era. CP: 48 neuronas. - 2da. CP: 56 neuronas. - 3ra. CP: 24 neuronas. - CS: 32 neuronas. 2. Mediante la regla de aprendizaje del Perceptron, entrenar una red con el siguiente CE: p = [ 1 -1 0 1; 2 1 -1 - 1] t = [1 -1 -1 1] Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab. 3. Diseñar mediante un Perceptron un clasificador de frutas: P = [forma; textura; peso; color] Los valores de cada parámetro son: forma: 1 redonda, -1 otra. textura: 1 lisa, -1 otra. peso: 1 menor de 0.5 Kg., -1 otra. color: 1 rojo, -1 otra. Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab. 4. Entrenar a la siguiente RNA y graficar la evolución del CE: p = [ -2 -1 1 -1 1; 2 3 3 -3 -2] t = [1 1 1 -1 -1; 1 1 -1 1 -1] Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab. 5. Resolver el siguiente problema de clasificación con el algoritmo de Adaline: Función de la red: ~(A->B). Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab 6. Mediante la regla de aprendizaje de Adaline, entrenar una red con el siguiente CE: p = [ 1.5 -1.2 0.1 -1.4; 2.2 1.1 -1.3 1.4] t = [1.3 -1.2 -1.5 1.1] Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab.
  2. 2. 7. Diseñar mediante una Adaline un clasificador de objetos según sus parámetros de forma, textura, peso y color: P = [forma; textura; peso; color] Los valores de cada parámetro son: forma: 1.5 redonda, -1.3 otra. textura: 1.2 lisa, -1.1 otra. peso: 1.1 menor de 0.5 Kg., -2.1 otra. color: 1.8 rojo, -3.1 otra. Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab. 8. Entrenar utilizando su algoritmo de entrenamiento a la siguiente RNA Adaline y graficar la evolución del CE: p = [ -2.3 -1.1 1.5 -1.5 1.4; 2.1 3.3 3.4 -3.2 -2.3] t = [1.1 1.3 1.5 -1.2 -1.1; 1.2 1.1 -1.5 1.4 -1.2] Graficar la evolución del CE mediante la LS. Mostrar la solución además con comandos del Matlab. 9. Calcular la salida de una RBFN con dos neuronas de entrada, dos neuronas ocultas y una neurona de salida. X(n) = (0.59, 0.29) C1= (0.25, 0.76) C2= (0.87, 0.35) d1 = 0.21 d2 = 0.29 w11= 0.18 w21= 0.79 u1 = 1.0 Mostrar la solución además con comandos del Matlab. NOTA: En sus soluciones considerar: a. Diagrama de la red. b. Diagrama del PA. c. Inicialización de la red. d. Entrenamiento de la red. e. Simulación de la red.

×