Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Redes Auto-organizadas
Universidad Autónoma del estado de hidalgo REDES NEURONALES Redes Auto-organizadas Facilitador: Dr. Joel Suarez Autor: Ing. Henry P. Paz Arias
2
Arquitectura Cada neurona tiene un vector de pesos W de entrada asociado y la neurona con el vector de peso más cercano a la entrada P se activará.
3
Caracteristicas Es una red no supervisada, se entrena solo con patrones de entrada Las entradas se conectan a una única capa de neuronas donde cada nodo se conecta a su vecino y solo puede haber una neurona activa La conexión puede ser lineal, cuadrada, hexagonal, irregular, etc.
4
Convergencia
5
Algoritmo de Aprendizaje
6
Entrenamiento En los SOFM (Self-organizing Feature Map ), no solo se actualiza los pesos de la neurona que resulta ganadora en el aprendizaje, sino que se actualizan también los de la vecindad.
7
Procedimiento 1. Asignar valores iniciales aleatorios pequeños a los pesos wij 2. Escoger un vector de entrada x del espacio de muestras y aplicarlo como entrada. 3. Encontrar el nodo de salida ganador (el producto punto máximo)
8
Procedimiento (cont…)
4. Ajustar los vectores de peso de acuerdo a la siguiente formula de actualización: wnuevos= wviejos + α [xi- wviejos ] h(|i-g|,R(t)) donde α es la tasa de aprendizaje y h(|i-g|,t) es la función de vecindad.
9
Procedimiento (cont…)
Modificación de los parámetros T0 es el numero total de iteraciones α0 es la razón inicial de aprendizaje y t va desde 1,2,…. T0
10
Procedimiento (cont…)
5. Repetir pasos 2 a 4 hasta que no ocurran cambios significativos en los pesos.
11
DEMO
Presentaciones similares
© 2024 SlidePlayer.es Inc.
All rights reserved.