redes neuronales artificiales ii

6
REDES NEURONALES ARTIFICIALES RED QUE APRENDE A IDENTIFICAR NÚMEROS DIGITALES En el siguiente ejercicio de demuestra como una red neuronal aprende a identificar números digitales a partir de un patrón que corresponde a cada número, tomando como ejemplo la distribución de un display de 7 segmentos. Como podemos observar cada segmento corresponde a un bit que en conjunto definirá un patrón único para cada número que se puede representar (0 - 9). El desarrollo de la red neuronal consta de las siguientes especificaciones: - Una capa de entrada de 7 bits - Una capa oculta de 5 bits - Una capa de salida de 4 bits (representación del número en binario). Capa de Capa Capa de

Upload: jonasricardobonilla

Post on 15-Jan-2016

59 views

Category:

Documents


1 download

DESCRIPTION

Redes Neuronales Artificiales

TRANSCRIPT

Page 1: Redes Neuronales Artificiales II

REDES NEURONALES ARTIFICIALES RED QUE APRENDE A IDENTIFICAR NÚMEROS DIGITALES

En el siguiente ejercicio de demuestra como una red neuronal aprende a identificar números digitales a partir de un patrón que corresponde a cada número, tomando como ejemplo la distribución de un display de 7 segmentos.

Como podemos observar cada segmento corresponde a un bit que en conjunto definirá un patrón único para cada número que se puede representar (0 - 9).

El desarrollo de la red neuronal consta de las siguientes especificaciones:

- Una capa de entrada de 7 bits- Una capa oculta de 5 bits- Una capa de salida de 4 bits (representación del número en binario).

Capa de Entrada Capa Oculta

Capa de Salida

Page 2: Redes Neuronales Artificiales II

La tabla con todos los patrones de números representables es la siguiente:

RESOLUCIÓN USANDOI EL FRAMEWROK JOONE

Primero debemos definir los datos de entrada:

1;1;1;0;1;1;1;0;0;0;0

1;0;0;0;0;0;1;0;0;0;1

1;1;0;1;1;1;0;0;0;1;0

1;1;0;1;0;1;1;0;0;1;1

1;0;1;1;0;0;1;0;1;0;0

0;1;1;1;0;1;1;0;1;0;1

0;1;1;1;1;1;1;0;1;1;0

1;1;0;0;0;0;1;0;1;1;1

1;1;1;1;1;1;1;1;0;0;0

1;1;1;1;0;1;1;1;0;0;1

Datos de salida de cada número

Patrones de entrada para cada número

Page 3: Redes Neuronales Artificiales II

Estos datos deberán ser almacenados en un archivo de texto plano (.txt) para su posterior lectura desde JOONE.

1. Agregamos un “File Input” que tomará los datos de entrada para la red neuronal.

2. Agregamos una capa de tipo “Sigmoidal” que servirá como capa de entrada y tendrá las 7 entradas correspondientes que serán tomadas de la capa de datos de entrada.

3. Agregamos otra capa de tipo “Sigmoidal” que será la capa oculta y trabajará con 5 bits y valores de la capa de entrada

Columnas de patrones a aprender

Inicio de lectura

Ubicación del archivo con datos de entrada

Capa de entrada con 7 bits

Capa oculta con 5 bits

Page 4: Redes Neuronales Artificiales II

4. Finalmente agregamos la capa de salida “Sigmoidal” y que trabajará con una capa entrenador “Teacher” que servirá para aprender los patrones correspondientes de salida que serán especificados desde los datos iniciales.

Finalmente se ejecuta el aprendizaje, configurando el menor error posible.

Al comprobar el funcionamiento, podemos obtener los datos de salida correspondiente.

DATOS OBTENIDOS:

0.0011152857737273699;0.0010720803389335418;0.0040419689439915646;0.003927985154438536

0.0010524532311795066;9.592166462230065E-4;0.004627489424252344;0.9963508718928784

0.002047033067851027;0.0021443902032231847;0.9961239776381806;0.005346956682164725

0.0015953314464264333;0.0015976105618155803;0.9946730688440166;0.9946964632331091

Capa de salida con 4 bits

Capa entrenador y datos de salida

Ubicación de donde aprenderá los datos de salida