ClubEnsayos.com - Ensayos de Calidad, Tareas y Monografias
Buscar

DISEÑO DE REDES NEURONALES ARTIFICIALES


Enviado por   •  5 de Diciembre de 2017  •  Apuntes  •  9.682 Palabras (39 Páginas)  •  296 Visitas

Página 1 de 39

Módulo IV:[pic 7][pic 8][pic 9][pic 10]

Diseño Automático de Controladores Difusos

Tema 9: Diseño con

Redes Neuronales Artificiales


[pic 11][pic 12][pic 13][pic 14][pic 15]

Tema 1        Tema 3        Tema 5        Tema 7[pic 16][pic 17][pic 18][pic 19][pic 20][pic 21]

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

Tema 2        Tema 4        Tema 6        Tema 8        Tema 10[pic 22][pic 23][pic 24][pic 25][pic 26]

  • Módulo I: Introducción
  • Módulo II: Teoría de Conjuntos Difusos
  • Módulo III: Control Difuso
  • Módulo IV: Diseño Automático de Controladores Difusos
  • Tema 6: Introducción al diseño automático (2h)
  • Tema 7: Diseño automático ad hoc (2h)
  • Tema 8: Diseño automático con algoritmos genéticos (3h)
  • Tema 9: Diseño automático con redes neuronales (3h)[pic 27][pic 28]
  • Tema 10: Otras técnicas de diseño automático (2h)


[pic 29][pic 30][pic 31][pic 32][pic 33]

  1. Conceptos Básicos sobre Redes Neuronales Artificiales (RNAs)

  1. Introducción

  2. Perceptrón y Adaline
  3. Red neuronal artificial
  4. Perceptrón multicapa
  5. Aprendizaje por retro-propagación
  6. Otros tipos de RNAs

  1. Diseño de Controladores Difusos con Redes Neuronales Artificiales
  1. Sistemas Neuro-Difusos
  2. ANFIS


[pic 34][pic 35][pic 36][pic 37][pic 38]

Índice


  • Redes neuronales artificiales (RNAs):

  • Modelo        computacional        de        las        operaciones        del        cerebro humano[pic 39][pic 40]

  • Nodos conectados mediante enlaces
  • Pesos como memoria a largo plazo
  • Capacidad de aprendizaje: actualización de los pesos
  • Simple y fácil de aplicar, pero se obtienen modelos de caja negra


Índice


  • McCulloch y Pitts (1943)

  • Propusieron un modelo de una neurona[pic 41][pic 42]
  • Modelo de McCulloch-Pitts

  • Hebb (1949)

  • Se        presenta        el        funcionamiento        de        la        regla        de        aprendizaje fisiológico mediante modificación sináptica

  • Rosenblatt (1958)

  • Se        introduce        un        nuevo        enfoque        al        problema        de reconocimiento de patrones; perceptron
  • Widrow y Hoff (1960)

  • Se introduce el algoritmo de mínimos cuadrados (LMS)
  • Se formula el Adaline (elemento lineal adaptativo)

[pic 43][pic 44][pic 45][pic 46][pic 47]

Índice


  • Minsky (1961)

  • Primer        artículo        que        contiene        una        sección        extensa        a        lo        que actualmente se denomina Redes Neuronales[pic 48][pic 49]
  • Widrow (1962)

  • Se propone Madaline (múltiles adalines)
  • Minsky and Papert (1969)

  • Se demuestran los límites fundamentales según los cuales una capa de perceptrones no puede calcular el problema del XOR
  • En 1970s

  • Década de inactividad de las RNAs
  • Grossberg (1980)

  • Principio de auto-organización, llamado resonancia adaptativa
  • Se        proporciona        la        base        de        ART        (Teoría        de        Resonancia Adaptativa)


Índice


  • Hopfield (1982)

  • Se        usa        la        idea        de        la        función        de        energía        para        formular        el cálculo realizado por redes recurrentes[pic 50][pic 51]
  • Redes estables dinámicas

  • Barto, Sutton y Anderson (1983)

  • Se propone el Aprendizaje por Refuerzo

  • Rumelhart, Hinton, Williams (1986)

  • Se        propone        el        algoritmo        de        retro-propagación        (back- propagation)
  • Broomhead y Lowe (1988)

  • Se propone la Red de Funciones de Base Radial (radial basis function, RBF)

Índice


Señal eléctrica


Dendrita

Cuerpo de la célula (soma)[pic 52]


Axón


Señal química

Sinapsis


Señal eléctrica

  • El        cerebro        humano        contiene        aproximadamente        1.5x1010 neuronas[pic 53][pic 54]

  • Cada neurona recibe señales de 104 sinapsis

Índice


  • Componentes:

  • Un conjunto de enlaces de entrada desde otros nodos[pic 55][pic 56]
  • Un conjunto de pesos que ponderan cada entrada
  • Una salida
  • Una función de activación, generalmente no lineal

x1

x2

Entrada

xN


w1

v        y[pic 57][pic 58][pic 59][pic 60][pic 61][pic 62]

w2[pic 63]

Salida[pic 64]

wN

        N        

y = f   w i x i  θ 

 i =1        


Índice


  • Tipos de funciones de activación no lineales

[pic 65]        [pic 66]        [pic 67]

Limitador estricto[pic 68][pic 69]


Rampa


Función sigmoidea


Índice


  • Perceptrón: consiste en una única neurona con pesos sinápticos ajustables
  • Se usa la función de activación Limitador Estricto[pic 70][pic 71]

Umbral[pic 72]

x1        w1


θ

Función de

-1        activación

x2        w2        [pic 73]

...

Descargar como (para miembros actualizados) txt (24 Kb) pdf (2 Mb) docx (2 Mb)
Leer 38 páginas más »
Disponible sólo en Clubensayos.com