reconocimiento de caracteresescritos
DESCRIPTION
diapositiva informativa sobre diseño y la elaboración reconocimiento de patrones de caracteres basado en el uso de redes neuronales (RNA), mas especificamente mediante el uso de un perceptron smulticapa.TRANSCRIPT
![Page 1: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/1.jpg)
UNIVERSIDAD NACIONAL DE LOJA
MÓDULO:
AREA ENERGÍA LAS INDUSTRIAS Y LOS RECURSOS NATURALES
NO RENOVABLES
X “A”
• Silvana Arias• Carla Espinosa• Livia Loaiza
TEMA: REDES NEURONALES
INGENIERIA EN SISTEMAS
DOCENTE:
Ing. Wilman Chamba
INTEGRANTES:
![Page 2: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/2.jpg)
FUNCIONAMIENTO DE BÁSICO DE UNA NEURONA
ARTIFICIAL
![Page 3: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/3.jpg)
Esta aplicación nos permite comprender como es el funcionamiento de una neurona artificial.
El usuario puede variar el valor de los pesos, el valor de las entradas a la neurona y el tipo de función de activación.
Con el botón evaluar se actualiza el valor de la neta que tiene la neurona y la salida de la misma.
FUNCIONAMIENTO DE BÁSICO DE UNA NEURONA ARTIFICIAL
![Page 4: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/4.jpg)
FUNCIONAMIENTO DE BÁSICO DE UNA NEURONA ARTIFICIAL
Modificación de entradas: Se pueden editar x1,x2,x3
![Page 5: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/5.jpg)
FUNCIONAMIENTO DE BÁSICO DE UNA NEURONA ARTIFICIAL
Modificación de pesos: Las regiones de edición marcadas con w1,w2,w3 y bias (tendencia) constituyen los pesos de la neurona.
![Page 6: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/6.jpg)
FUNCIONAMIENTO DE BÁSICO DE UNA NEURONA ARTIFICIAL
Modificación de la función de Activación: La función de activación de la neurona se puede escoger entre la escalón, la lineal y la sigmoidal.
Puede ser una función lineal o no lineal de n, y que es escogida dependiendo de las especificaciones del problema que la neurona tenga que resolver.
![Page 7: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/7.jpg)
FUNCIONAMIENTO DE BÁSICO DE UNA NEURONA ARTIFICIAL
Evaluación del funcionamiento de la neurona: Al oprimir el botón evaluar se hace el cálculo de la salida de la neurona con la función de activación que el usuario haya elegido. Para calcular la salida de la neurona primero se debe calcular la entrada neta de la neurona, cuyo valor se puede visualizar en la región de edición marcada como neta
![Page 8: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/8.jpg)
FUNCIONAMIENTO DE BÁSICO DE UNA NEURONA ARTIFICIAL
Aplicación
![Page 9: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/9.jpg)
RECONOCIMIENTO DE CARACTERES CON UN
PERCEPTRON.
![Page 10: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/10.jpg)
Demostración de como un Perceptrón ya entrenado es capaz de reconocer el carácter definido en la matriz de píxeles de la entrada
![Page 11: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/11.jpg)
Aplicación: Reconocedor de caracteres.
![Page 12: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/12.jpg)
1
1
2
3
2
3
Numero de patrones
Numero de entradas
Numero de salidas
![Page 13: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/13.jpg)
Como va evolucionando el error del aprendizaje a medida que transcurren la iteraciones; el entrenamiento se detiene cuando el error se hace cero.
1
2
![Page 14: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/14.jpg)
Aplicación: Reconocedor de caracteres.
EJECUTAR
![Page 15: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/15.jpg)
TOPOLOGÍAS MLP DE REDES NEURONALES
Perceptron Multicapa
![Page 16: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/16.jpg)
Características Presentar una no-linealidad en la salida, capas de neuronas ocultas y un alto grado de conectividad
Es de entrenamiento supervisado.
![Page 17: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/17.jpg)
Utiliza el algoritmo de retro-propagación del error
Su operación consta de dos fases
FASE DIRECTA
FASE INVERSA
Se ingresa el patrón de actividad en la capa de entrada de la red (vector de entrada)
Se obtiene la respuesta real de la red en la capa de salida
Los pesos sinápticos son ajustados de acuerdo con la regla de corrección del error
Minimiza el cuadrado de las diferencias entre la respuesta o salida deseada y la salida real de la red
![Page 18: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/18.jpg)
Recomendaciones
![Page 19: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/19.jpg)
A la hora de evaluar el perceptron, no sólo es importante saber si
la RN ha aprendido con éxito los patrones de entrenamiento, sino
que es imprescindible, conocer el comportamiento de la misma
ante patrones no usados durante este.
De nada sirve que una RN aprenda correctamente los patrones
de entrenamiento y no responda de forma adecuada ante
patrones nuevos. Es necesario que durante el aprendizaje la RN
extraiga las características de las muestras que le permitan
responder
correctamente a patrones diferentes.
![Page 20: Reconocimiento de Caracteresescritos](https://reader037.vdocumento.com/reader037/viewer/2022102907/55cf8f72550346703b9c6ff7/html5/thumbnails/20.jpg)
Ejemplo
Ejecutar