martes, 16 de abril de 2013

Evidencia 11 > Perceptrón para "and"


¿Qué es una red neuronal?
Sistema que contiene unidades de procesamiento (neuronas) ligadas por conexiones con pesos.
  • Se tienen entradas externasy una serie de capas. 
  • Las salidasse consideran la última capa. 
  • Las capas que no son de salida se denominan internas . 
  • Las entradas no se toman como capa.



Componentes de una red neuronal (NN):
  •  Unidades de procesamiento (neuronas)
  •  Conexiones pesadas entre las unidades
  •  Función de núcleo
  •  Función de activación
  •  Sesgo (bias)
  •  Método de ajuste (depende del tipo de red)



Perceptrón
  •  Tipo más simple de red neuronal
  •  Consiste de una sola capa.
  •  Para clasificación binariade datos linealmente separables.

En este hipervínculo se aprecia un código con el cual se pretende explicar el funcionamiento del perceptrón simple. Tomamos el mismo y lo midificamos para que "aprenda" a realizar la operación booleana "and".

Codificación Original



training_set = [((1, 0, 0), 1), ((1, 0, 1), 1), ((1, 1, 0), 1), ((1, 1, 1), 0)]
pydev debugger: starting
------------------------------------------------------------
[0, 0, 0]
[0.1, 0.0, 0.0]
[0.2, 0.0, 0.1]
[0.30000000000000004, 0.1, 0.1]
------------------------------------------------------------
[0.30000000000000004, 0.1, 0.1]
[0.4, 0.1, 0.1]
[0.5, 0.1, 0.2]
[0.5, 0.1, 0.2]
------------------------------------------------------------
[0.4, 0.0, 0.1]
[0.5, 0.0, 0.1]
[0.5, 0.0, 0.1]
[0.6, 0.1, 0.1]
------------------------------------------------------------
[0.5, 0.0, 0.0]
[0.6, 0.0, 0.0]
[0.6, 0.0, 0.0]
[0.6, 0.0, 0.0]
------------------------------------------------------------
[0.5, -0.1, -0.1]
[0.6, -0.1, -0.1]
[0.7, -0.1, 0.0]
[0.7, -0.1, 0.0]
------------------------------------------------------------
[0.6, -0.2, -0.1]
[0.6, -0.2, -0.1]
[0.7, -0.2, 0.0]
[0.7999999999999999, -0.1, 0.0]
------------------------------------------------------------
[0.7, -0.2, -0.1]
[0.7, -0.2, -0.1]
[0.7, -0.2, -0.1]
[0.7999999999999999, -0.1, -0.1]
------------------------------------------------------------
[0.7, -0.2, -0.2]
[0.7, -0.2, -0.2]
[0.7999999999999999, -0.2, -0.1]
[0.7999999999999999, -0.2, -0.1]
------------------------------------------------------------
[0.7999999999999999, -0.2, -0.1]
[0.7999999999999999, -0.2, -0.1]
[0.7999999999999999, -0.2, -0.1]
[0.7999999999999999, -0.2, -0.1]


Al realizar cambios necesarios



training_set = [((1, 0, 0), 0), ((1, 0, 1), 0), ((1, 1, 0), 0), ((1, 1, 1), 1)]
pydev debugger: starting
------------------------------------------------------------
[0, 0, 0]
[0, 0, 0]
[0, 0, 0]
[0, 0, 0]
------------------------------------------------------------
[0.1, 0.1, 0.1]
[0.1, 0.1, 0.1]
[0.1, 0.1, 0.1]
[0.1, 0.1, 0.1]
------------------------------------------------------------
[0.2, 0.2, 0.2]
[0.2, 0.2, 0.2]
[0.2, 0.2, 0.2]
[0.2, 0.2, 0.2]







No hay comentarios:

Publicar un comentario