Utp sirn l1_funciones 2013-3

387 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
387
On SlideShare
0
From Embeds
0
Number of Embeds
2
Actions
Shares
0
Downloads
10
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Utp sirn l1_funciones 2013-3

  1. 1. Sistemas Inteligentes y Redes 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. Objetivo Revisar el concepto y aplicación de las diferentes funciones que representan a las RNAs. Graficar las diferentes funciones de activación utilizados usualmente en RNAs. Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 3
  4. 4. Fundamento teórico Funciones que representan a las RNAs: La salida de una neurona viene dada por tres funciones: 1. Una función de propagación 2. Una función de activación 3. Una función de transferencia Capa de Salida 1 Salida Y e Sistemas Inteligentes y Redes Neuronales - Prof. Ing. José C. Benítez P. 4
  5. 5. Fundamento teórico 1. 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 activación Función de transferencia de las RNA Como función de transferencia se usan generalmente las siguientes funciones: - 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 de activación utilizar los vectores de entrada 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 salidas respectivamente. 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 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 1 con el siguiente formato: SIRN_PaternoM_Lab1 Adjuntar fuentes que le han ayudado en esta carpeta creada. Las fuentes deben conservar el nombre original de archivo y se debe 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

×