Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Redes Neuronales Artificiales Tarea 6 BackPropagation II Redes Neuronales Artificiales Tarea 6 BackPropagation II Dr. Juan José Flores Romero División de Estudios de Posgrado Facultad de Ingeniería Eléctrica juanf@zeus.umich.mx http://lsc.fie.umich.mx/~juan/ http://lsc.fie.umich.mx/~juan/Materias/ANN
2
Parte I Reconocimiento de Caracteres 1. Su archivo de entrenamiento es digit_train.pat. Cada patrón tiene 64 entradas y 10 salidas. Las entradas son pixeled que representan dígitos decimales escritos a mano. Cada dígito representado poruna matriz de 8x8. Las salidas, 0 to 9, indican como la imagen es clasificada. Si la imagen representa al 3, la unidad 3 debe tener una salida de 1 y el resto de 0. Se tienen 3823 patrones en el conjunto de entrenamiento. 2. El alumno debe decidir cuantas unidades usar y por cuanto tiempo entrenar la red. You must decide how many hidden units to use, how long to train the network, etc. Tengan cuidado de no sobreentrenarla (overfitting). 3. Puden dividir el archivo en conjuntos de entrenamiento y de validación. 4. Entregar su archivo de red y un reporte que explique la estructura de la red, como la seleccionaron, cualquier fenómeno o situación interesanteque hayan encontrado, etc.
3
Parte II Entrenamiento 1. Cargue el archivo xor.pat. 2. Inicialice la red. 3. Abra las ventanas de proyección y error. 4. Entrene la red por 5000 ciclos. 5. Repita la inicialización y aprendizaje 3 veces. Para cada vez, capture pantallas de las proyecciones finales de las entradas a la salida, de las entradas a la neurona ocula y de las entradas a la segunda neurona oculta. 6. ¿Qué función booleana implementa cada neurona oculta? ¿Qué función booleana de las neuronas ocultas implementa la neurona de salida? 7. ¿Cual es el resultado para entradas de 0.5, 0.5?
Presentaciones similares
