TEMA: IA conexionista-RNA
Subtema: Prueba y entrenamiento con modelos de
RNA
Contenidos:
1. Repaso: taxonomía RNA
2. Métod...
1. Repaso: prueba y entrenamiento
De acuerdo al tipo de entrenamiento, se puede
obtener esta taxonomía:
Conceptos de Intel...
2. Método fijo 2: Red de Hopfield
La red fue propuesta en 1982 por el afamado físico teórico
John Hopfield. Tiene tres pun...
2. Método fijo 2: Red de Hopfield
Para entenderlo mejor….
La memoria humana funciona de manera asociativa. A
partir de una...
2. Método fijo 2: Red de Hopfield
Para entenderlo mejor….
Una red recursiva constituye una memoria
asociativa. Al igual qu...
2. Método fijo 2: Red de Hopfield
Una red con realimentación necesita muchas iteraciones hasta que
consigue la recuperació...
2. Método fijo 2: Red de Hopfield
----Ejemplo 1.
Se tiene una red de Hopfield con 5 nodos y se quiere
reconocer el patrón:...
2. Método fijo 2: Red de Hopfield
Puesto que la red tiene 5 nodos, se requiere de una
matriz de 5*5 pesos, donde los pesos...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Puesto que los pesos son simétricos, sólo se tiene que
calcular la diagonal superior de ...
2. Método fijo 2: Red de Hopfield
Calcular la matriz de pesos:
Conceptos de Inteligencia Artificial TEMA: IA conexionista-...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
---- Ejemplo 2
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: P...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA
Subtema: Prueba y entrena...
2. Método fijo 2: Red de Hopfield
Y2 = X  [1, 1, 1, -1]
Se ha logrado recuperar el vector X en dos iteraciones
Conceptos ...
2. Método fijo 2: Red de Hopfield
 Se tiene una red de Hopfield con 4 nodos y se quiere reconocer el
patrón:
Calcule la m...
2. Método fijo 2: Red de Hopfield
Almacene los patrones
Calcule la matriz de pesos y recupere el siguiente vector:
X1 = 1...
Algunas referencias consultadas:
Andina de la Fuente, Diego (2010). Redes Neuronales Artificiales. Universidad Politécnica...
Upcoming SlideShare
Loading in …5
×

IA conexionista-RNA --Prueba y entrenamiento con modelos de RNA (2)

444 views

Published on

TEMA: IA conexionista-RNA
Subtema: Prueba y entrenamiento con modelos de RNA
Contenidos:
1. Repaso: taxonomía RNA
2. Método fijo 2: Red de Hopfield

Published in: Science
  • Be the first to comment

  • Be the first to like this

IA conexionista-RNA --Prueba y entrenamiento con modelos de RNA (2)

  1. 1. TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento con modelos de RNA Contenidos: 1. Repaso: taxonomía RNA 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 1
  2. 2. 1. Repaso: prueba y entrenamiento De acuerdo al tipo de entrenamiento, se puede obtener esta taxonomía: Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 2
  3. 3. 2. Método fijo 2: Red de Hopfield La red fue propuesta en 1982 por el afamado físico teórico John Hopfield. Tiene tres puntos destacables: 1. Se basa en el planteamiento de una memoria asociativa: se hace necesario entonces definir una función energía. 2. Pone de manifiesto la analogía existente entre su modelo y la física estadística clásica, lo que permite utilizar herramientas conocidas de ese campo. 3. Se destaca en su trabajo la facilidad de implementación de su modelo aprovechando la tecnología VLSI (Very Large Scale Integration) Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 3
  4. 4. 2. Método fijo 2: Red de Hopfield Para entenderlo mejor…. La memoria humana funciona de manera asociativa. A partir de una porción de información es capaz de obtener la información completa. Por ej, escuchando los primeros acordes de una canción, el cerebro es capaz de reproducir toda una experiencia completa, incluyendo escenas, ruidos y olores. Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 4
  5. 5. 2. Método fijo 2: Red de Hopfield Para entenderlo mejor…. Una red recursiva constituye una memoria asociativa. Al igual que el humano, si se le presenta una porción de datos es capaz de recuperar todos los datos. Para realizar una memoria asociativa mediante una red recursiva, es necesario elegir los pesos de forma que produzcan un mínimo de energía en los vértices deseados del hipercubo. Cada vector de estado correspondiente a un mínimo de energía se llama “memoria” Bases de la Inteligencia Artificial – IIA TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 5
  6. 6. 2. Método fijo 2: Red de Hopfield Una red con realimentación necesita muchas iteraciones hasta que consigue la recuperación del patrón final. La red de retroasociacion de Hopfield tiene las siguientes características:  Los Pesos sinápticos (predetermiados por la regla de Hebb o por una función de energía) son prealmacenados.  Se usan operaciones no lineales de escalonamiento en cada etapa para producir valores binarios.  La retroalimentación tiene la función de propiciar que los estados se puedan actualizar iterativamente.  Las iteraciones convergen hacia una solución que minimiza una función de energía de la red. Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 6
  7. 7. 2. Método fijo 2: Red de Hopfield ----Ejemplo 1. Se tiene una red de Hopfield con 5 nodos y se quiere reconocer el patrón: Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 7
  8. 8. 2. Método fijo 2: Red de Hopfield Puesto que la red tiene 5 nodos, se requiere de una matriz de 5*5 pesos, donde los pesos de un nodo que regresa a si mismo son cero. La matriz de pesos sería entonces: Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 8
  9. 9. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 9
  10. 10. 2. Método fijo 2: Red de Hopfield Puesto que los pesos son simétricos, sólo se tiene que calcular la diagonal superior de los pesos y entonces copiar a cada peso su peso específico en la matriz. Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 10
  11. 11. 2. Método fijo 2: Red de Hopfield Calcular la matriz de pesos: Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 11
  12. 12. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 12
  13. 13. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 13
  14. 14. 2. Método fijo 2: Red de Hopfield ---- Ejemplo 2 Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 14
  15. 15. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 15
  16. 16. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 16
  17. 17. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 17
  18. 18. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 18
  19. 19. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 19
  20. 20. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 20
  21. 21. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 21
  22. 22. 2. Método fijo 2: Red de Hopfield Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 22
  23. 23. 2. Método fijo 2: Red de Hopfield Y2 = X  [1, 1, 1, -1] Se ha logrado recuperar el vector X en dos iteraciones Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 23
  24. 24. 2. Método fijo 2: Red de Hopfield  Se tiene una red de Hopfield con 4 nodos y se quiere reconocer el patrón: Calcule la matriz de pesos y dibuje la red neuronal Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 24
  25. 25. 2. Método fijo 2: Red de Hopfield Almacene los patrones Calcule la matriz de pesos y recupere el siguiente vector: X1 = 1 1 0 1 1 X2 = 0 0 0 1 1 G = 0 1 0 1 0 Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 25
  26. 26. Algunas referencias consultadas: Andina de la Fuente, Diego (2010). Redes Neuronales Artificiales. Universidad Politécnica de Madrid-UPM: Departamento de Señales, Sistemas y Radiocomunicaciones (SSR). Acc 2013 <http://www.gc.ssr.upm.es/inves/neural/ann2/anntutorial.html> Basogain Olabe, Xabier (2012). Redes Neuronales Artificiales y sus Aplicaciones. Universidad del País Vasco: Dpto. Ingeniería de Sistemas y Automática. Acc 2013 http://cvb.ehu.es/open_course_ware/castellano/tecnicas/redes_neuro/contenidos/pdf/libro -del-curso.pdf Serrano, Antonio, Emilio Soria y José D. Martin (2010). Redes Neuronales Artificiales. Universitat de Valencia: Escola Tecnica Superior d’ Enginyeria. Acc. 2013. <http://ocw.uv.es/ingenieria-y-arquitectura/1-2/libro_ocw_libro_de_redes.pdf> Torres Soler, Luis Carlos (2010). Redes Neuronales Artificiales. Universidad Nacional de Colombia: Facultad de Ingeniería. Acc. 2013 <http://disi.unal.edu.co/~lctorress/RedNeu/RNA007c.pdf> Conceptos de Inteligencia Artificial TEMA: IA conexionista-RNA Subtema: Prueba y entrenamiento MSc. Priscill Orue - Inteligencia Artificial 26

×