1 / 20

Consultar Libro de Texto

Redes Neuronales Artificiales Entrenamiento por Retropropagación del Error- Backpropagation Dr. Pedro Ponce Cruz EGIA-MCI. Consultar Libro de Texto. Inteligencia Artificial con aplicaciones a la ingeniería. Redes multicapa.

kaemon
Download Presentation

Consultar Libro de Texto

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Redes Neuronales Artificiales Entrenamiento por Retropropagación del Error-BackpropagationDr. Pedro Ponce CruzEGIA-MCI

  2. Consultar Libro de Texto Inteligencia Artificial con aplicaciones a la ingeniería

  3. Redes multicapa Las redes multicapa que se entrenan con el método de Backpropagation requieren de encontrar el valor del error que se define como la diferencia del valor deseado y el valor de salida. Es una topología de entrenamiento supervisado

  4. Si definimos la red multicapa, empleando 6 neuronas Cada neurona se compone de una función de activación

  5. La función Sigmoidal es de las más empleadas dentro de las redes multicapa • La función sigmoidal se define como Dentro de cada neurona se tiene el valor de x que se presenta en la función Sigmoidal como la sumatoria de los pesos por las entradas

  6. Función Sigmoidal y su derivada Encontrando la derivada f’(x)

  7. Las derivadas de las funciones empleadas en redes multicapas se puede resumir

  8. Graficas de la función sigmoidal y su derivada

  9. Evaluación de entradas en una red multicapa

  10. Representación grafica del método Backpropagation

  11. Representación grafica del método Backpropagation

  12. Deducción de la regla de entrenamiento Backpropagation • Definiendo el gradiente del error con respecto a los pesos.

  13. Deducción de la regla de entrenamiento Backpropagation Donde

  14. Backpropagation si δ es la sensibilidad del error

  15. Backpropagation Para una función sigmoidal Regla para la capa de salida , se tiene el valor deseado (d), en está capa

  16. Capas intermedias

  17. Capas intermedias

  18. Regla general para todas las capas ocultas

  19. Ejemplo de Backpropagation

  20. Algoritmo backpropagation • Pasos 1- Definir la estructura de la Red • Paso 2- Poner pesos de manera aleatoria en cada neurona • Paso 3- Calcular la salida de la Red • Paso 4- Calcular Coef. De Sensibilidad del error • Paso 5-Calcular nuevos pesos • Paso 6- Regresar al paso 3 si no se alcanzar la tolerancia o número de iteraciones , en otro caso detener algoritmo

More Related