Funciones de Transferencia Presentado por: Niyireth Villabón Molina. Nora Juliana Solanilla V. Jesús Albeiro Agudelo.

Presentación del tema: "Funciones de Transferencia Presentado por: Niyireth Villabón Molina. Nora Juliana Solanilla V. Jesús Albeiro Agudelo."— Transcripción de la presentación:

1 Funciones de Transferencia Presentado por: Niyireth Villabón Molina. Nora Juliana Solanilla V. Jesús Albeiro Agudelo.

2 Funciones de Transferencia Las entradas a la red serán ahora presentadas en el vector p, que para el caso de una sola neurona contiene solo un elemento, w sigue representando los pesos y la nueva entrada b es una ganancia que refuerza la salida del sumador n, la cual es la salida neta de la red.

3 Hard Limit Transfer Function Esta función de transferencia acerca la salida de la red a cero, si el argumento de la función es menor que cero y la lleva a uno si este argumento es mayor que uno. a = hardlim (n) a = 0 n < 0 a = 1 n ≥ 0

4 Linear Transfer Function f (n) = n La salida de una función de transferencia lineal es igual a su entrada, la característica de la salida a de la red, comparada con la entrada p, más un valor de ganancia b.

5 Log - Sigmoid Transfer Function Esta función toma los valores de entrada, los cuales pueden oscilar entre mas y menos infinito, y restringe la salida a valores entre cero y uno, de acuerdo a la expresión.

6 Principales Funciones de Transferencia

7 Multiple - Input Neuron

8 Fully Connected Neurons

9 Multiple Layers of Neurons

10 RED NEURONAL RECURRENTE

11 Conclusiones La selección de la función de transferencia ( f ), depende de las necesidades del problema a tratar.  Las neuronas se pueden distribuir en capas: capa de entradas, capas ocultas y capas de salidas.  Una neurona procesa la información en base a una función, tiene en cuenta su peso.  En una neurona w representa el peso y b es una ganancia que refuerza la salida del sumador  La función de transferencia limite duro(Hardlim) limita las salidas a 0 y 1  La función de transferencia Limite duro Simétrico (Harlims) limita las salidas entre 1 y -1  La función de transferencia Lineal es igual a su entrada.  La función de transferencia sigmoidal logarítmica (Logsig) restringe la salida a valores entre 0 y 1  La función de transferencia competitiva encuentra la entrada mas grande y convierte su salida en 1 las demás entradas se convierten en 0.

12 Recomendaciones  Se recomienda tener en cuenta la salidas totales que se requieren en un problema.  Se debe tener en cuenta las funciones de transferencia y analizar sus posibles salidas.  Se recomienda estudiar la arquitectura del problema.  Se recomienda tener en cuenta el peso que tiene cada entrada.  Se debe tener en cuenta el papel que tiene el bias en la transformación de la entrada neta. Se debe de tener en cuenta los parámetros a utilizar como:  Numero de capas  Numero de neuronas por capa  Grado de conectividad  Tipo de conexiones entre neuronas Distinguir las redes de una sola capa y las redes con múltiples capas.

13 ¡ ¡GRACIAS!