Redes basadas en competición

Presentación del tema: "Redes basadas en competición"— Transcripción de la presentación:

1 Redes basadas en competición
José Edinson Aedo Cobo Depto. de Ing. Electrónica.

2 Redes neuronales basadas en competición
El aprendizaje se basa en un competencia entre neuronas. Cuando un patrón de entrada es sometido a la red, una neurona se declara ganadora dependiendo de una similitud entre los pesos de la neurona y el vector de entrada. El premio de la neurona ganadora es el aprendizaje. los pesos se varias de tal forma que se acerquen aún más al patrón de entrada.

3 Redes neuronales basadas en competición
Uno de los algoritmos de aprendizaje más conocido es el aprendizaje de Kohonen: Vector de entrada Vector de pesos para unidad j Columna j de la matriz de pesos

4 Redes neuronales basadas en competición
Sombrero Mexicano (Kohonen) ( para la unidad xi) w2 w2 w1 w1 Xi-4 Xi-3 Xi-2 Xi-1 Xi Xi+1 Xi+2 Xi+3 Xi+4 w3 w3 Si R1, radio de interconexión. Xi es conectada a las unidades Xi-k y Xi+k para k= 1, ….R1 R2, radio de la región donde se realiza reforzamiento. R2 < R1 Wk, pesos de interconexión entre Xi las unidades Xi-k y Xi+k Para 0 k  R2, Wk > 0 Para R2 k  R1, Wk < 0

5 Redes neuronales basadas en competición
Sombrero mexicano ( para la unidad xi) w2 w2 w1 w1 Xi-4 Xi-3 Xi-2 Xi-1 Xi Xi+1 Xi+2 Xi+3 Xi+4 w3 w3 Si X, Vector da activación Xold Vector de activación en paso previo (tiempo previo)

6 Sombrero mexicano. Algoritmo
Paso 0: Inicialice los parámetros: tmax, R1, R2 y los pesos WK = C1, para k=0,…..R1, ( C1 >0) WK = C2, para k=R1,…..R2, ( C2 < 0) Xold = 0 Paso 1:Presente la señal de entrada Si, haga X=S Salve las activaciones Xold_i =Xi Inicialice el contador t=1 Paso 2: Mientras t< tmax, realice los pasos de 3 a 7. Paso3: Calcule la entrada de la red, i = 1,…,n

7 Sombrero mexicano. Algoritmo
Paso4: aplique la función de activación (rampa de 0 a Xmax ,pendiente 1): Paso5: Salve la activación corriente en Xold: Xold i= Xi, i=1,…,n Paso6: incremente el contador de interacciones t=t+1 Paso7: Verifique la condición de parada. Si t < tmax, continue

8 Red de Kohonen lineal Ejemplo de un arreglo lineal: Yi …… YJ …… Xm w1m
wim w11 w1j wnm wij wnj wi1 wn1 Xi …… Xi …… Xn Ejemplo de un arreglo lineal: Neurón de referencia R1 Radio de las vecindades R2

9 Red de Kohonen. Algoritmo
Paso 0: Inicialice los pesos Wij , establezca los parámetros topológicos de la vecindad. Establezca parámetros de aprendizaje Paso 1: Mientras la condición de parada sea falsa realice los pasos del 2 a 8. Paso2: Por cada vector de entrada realice los pasos 3-5: Paso3: Por cada j calcule:

10 Red de Kohonen. Algoritmo
Paso4: Encuentre el índice J tal D(J) es mínimo. Paso5: Para todas la unidades j dentro de una vecindad especificada de J, para todo i calcule: Paso6: Actualice la tasa de aprendizaje. Paso7: Reduzca el radio de la vecindad en un valor especificado. Paso8: Verifique la condición de parada.