¿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