8/9/2019 Neurona Or
1/23
Modelo del Perceptron deRosenblatt (1958)
8/9/2019 Neurona Or
2/23
Modelo de perceptronaproximndose a una NA
ObjetoCaptado
delmundo
real
8/9/2019 Neurona Or
3/23
8/9/2019 Neurona Or
4/23
Modelo de perceptronaproximndose a una NA
Objetocaptado
Objetoreconocido
PROCESO DE RECONOCIMIENTO
8/9/2019 Neurona Or
5/23
Modelo de perceptronaproximndose a una NA
Objetocaptado
Fotoclulas
8/9/2019 Neurona Or
6/23
Modelo de perceptronaproximndose a una NA
Objetocaptado
Fotoclulas entradas
8/9/2019 Neurona Or
7/23
Modelo de perceptronaproximndose a una NA
Objetocaptado
Fotoclulas
PERCEPTRON
Entradas
8/9/2019 Neurona Or
8/23
Modelo de perceptronaproximndose a una NA
Objetocaptado
Objetoreconocido
Fotoclulas
PERCEPTRON
8/9/2019 Neurona Or
9/23
Representacin grfica de una NA
8/9/2019 Neurona Or
10/23
Funcin OR
p1 p2 t
e1 0 0 0
x1
x2
e1(0,0)
8/9/2019 Neurona Or
11/23
Funcin OR
p1 p2 t
e1 0 0 0
e2 0 1 1
x1
x2
e1(0,0)
e2(0,1)
8/9/2019 Neurona Or
12/23
Funcin OR
p1 p2 t
e1 0 0 0
e2 0 1 1
e3 1 0 1 x1
x2
e1(0,0)
e2(0,1)
e4(1,1)
8/9/2019 Neurona Or
13/23
Funcin OR
p1 p2 t
e1 0 0 0
e2 0 1 1
e3 1 0 1
e4 1 1 1
x1
x2
e1(0,0)
e2(0,1)
e4(1,1)
e3(1,0)
8/9/2019 Neurona Or
14/23
Funcin OR
p1 p2 t
e1 0 0 0
e2 0 1 1
e3 1 0 1
e4 1 1 1
x1
x2
e1(0,0)
e2(0,1)
e4(1,1)
e3(1,0)
8/9/2019 Neurona Or
15/23
Funcin OR
p1 p2 t
e1 0 0 0
e2 0 1 1
e3 1 0 1
e4 1 1 1
x1
x2
e1(0,0)
e2(0,1)
e4(1,1)
e3(1,0)
8/9/2019 Neurona Or
16/23
Funcin OR
p1 p2 t
e1 0 0 0
e2 0 1 1
e3 1 0 1
e4 1 1 1
x1
x2
e1(0,0)
e2(0,1)
e4(1,1)
e3(1,0)
8/9/2019 Neurona Or
17/23
Un perceptron(2 entradas, 1 salida)
p1
p2 sa
Salida
Entradas
w11
w12
Pesos sinpticos
8/9/2019 Neurona Or
18/23
Un perceptron(2 entradas, 1 salida)
p1
p2
sa
Salida
Entradas
s=w11
*p1+w
12*p
2
w11
w12
Pesos sinpticos
8/9/2019 Neurona Or
19/23
Un perceptron(2 entradas, 1 salida)
x1
x2 sa
Salida
Entradas
w11
w12
a=hardlim(s)
1 si s > 0hardlim: a = 0 si s =< 0
Pesos sinpticos
8/9/2019 Neurona Or
20/23
Un perceptron(2 entradas, 1 salida)
x1
x2 sa
Salida
Entradas
w11
w12
Entonces cul es el problema ?????Encontrar valores para W
11 yW
12
Pesos sinpticos
8/9/2019 Neurona Or
21/23
Las etapas de un NA
Una neurona tiene dos etapas:
Entrenamiento
Operacin
El entrenamiento consiste en encontrar valorespara los pesos sinpticos W.
La operacin consiste en aplicar a la red datos deentrada y generar los valores de salida.
8/9/2019 Neurona Or
22/23
Algoritmo de entrenamiento delperceptron OR
1. Asignar valores aleatorios a los W iniciales
2.Recorrer para para cada uno de los estados. (en OR hay4 estados)
3.Calcular funcin de propagacin: s = W*P
4. Calcular funcin de activacin: a = hardlim(s)
5.Calcular error, Valor deseado a: e = t - a
6. Aplicar el error sobre la entrada: d = e * P
7. Aplicar d sobre W: Wnuevo
= Wanterior
+ d
8.Repetir desde el item 2 hasta que todos los estados seancorrectos.
8/9/2019 Neurona Or
23/23
Entrenando el perceptron para OR
Realizaremos el entrenamiento aplicando elalgoritmo de la diapositiva anterior en una hoja declculo.
Lo que sigue en el video se encuentra en el archivo:01 perceptron_or.xls proporcionado en el
material del curso.
NOTA IMPORTANTE: leer el material entregadopara reforzar el aprendizaje.