You are on page 1of 23

Modelo del Perceptron de

Rosenblatt (1958)
Modelo de perceptron
aproximándose a una NA

Objeto
Captado
del
mundo
real
Modelo de perceptron
aproximándose a una NA

PROCESO DE RECONOCIMIENTO

Objeto
captado
Modelo de perceptron
aproximándose a una NA

PROCESO DE RECONOCIMIENTO

Objeto Objeto
captado reconocido
Modelo de perceptron
aproximándose a una NA

Objeto
captado

Fotocélulas
Modelo de perceptron
aproximándose a una NA

Objeto
captado

Fotocélulas entradas
Modelo de perceptron
aproximándose a una NA

PERCEPTRON

Objeto
captado

Fotocélulas Entradas
Modelo de perceptron
aproximándose a una NA

PERCEPTRON

Objeto Objeto
captado reconocido

Fotocélulas
Representación gráfica de una NA
Función OR
p1 p2 t
x2

e1 0 0 0

x1
e1(0,0)
Función OR
p1 p2 t
x2
e2(0,1)
e1 0 0 0

e2 0 1 1

x1
e1(0,0)
Función OR
p1 p2 t
x2
e2(0,1)
e1 0 0 0

e2 0 1 1

e3 1 0 1 e1(0,0) e4(1,1) x1
Función OR
p1 p2 t
x2
e2(0,1) e3(1,0)
e1 0 0 0

e2 0 1 1

e3 1 0 1 e1(0,0) e4(1,1) x1

e4 1 1 1
Función OR
p1 p2 t
x2
e2(0,1) e3(1,0)
e1 0 0 0

e2 0 1 1

e3 1 0 1 e1(0,0) e4(1,1) x1

e4 1 1 1
Función OR
p1 p2 t
x2
e2(0,1) e3(1,0)
e1 0 0 0

e2 0 1 1

e3 1 0 1 e1(0,0) e4(1,1) x1

e4 1 1 1
Función OR
p1 p2 t
x2
e2(0,1) e3(1,0)
e1 0 0 0

e2 0 1 1

e3 1 0 1 e1(0,0) e4(1,1) x1

e4 1 1 1
Un perceptron
(2 entradas, 1 salida)
Pesos sinápticos
p1 w11
a
s Salida
p2 w12
Entradas
Un perceptron
(2 entradas, 1 salida)
Pesos sinápticos
p1 w11
a
s Salida
p2 w12
Entradas
s=w11 *p1+w12 *p2
Un perceptron
(2 entradas, 1 salida)
Pesos sinápticos
a=hardlim(s)
x1 w11
a
s Salida
x2 w12
Entradas 1 si s > 0
hardlim: a =
0 si s =< 0
Un perceptron
(2 entradas, 1 salida)
Pesos sinápticos
x1 w11
a
s Salida
x2 w12
Entradas

Entonces cuál es el problema ?????


Encontrar valores para W11 y W12
Las etapas de un NA
Una neurona tiene dos etapas:

Entrenamiento

Operación

El entrenamiento consiste en encontrar valores


para los pesos sinápticos W.

La operación consiste en aplicar a la red datos de


entrada y generar los valores de salida.
Algoritmo de entrenamiento del
perceptron OR
1. Asignar valores aleatorios a los W iniciales
2.Recorrer para para cada uno de los estados. (en OR hay
4 estados)
3.Calcular función de propagación: s = W*P
4. Calcular función de activación: a = hardlim(s)
5.Calcular error, Valor deseado – a: e = t - a
6. Aplicar el error sobre la entrada: d = e * P
7. Aplicar d sobre W: Wnuevo = Wanterior +d
8.Repetir desde el item 2 hasta que todos los estados sean
correctos.
Entrenando el perceptron para OR
Realizaremos el entrenamiento aplicando el
algoritmo de la diapositiva anterior en una hoja de
cálculo.

Lo que sigue en el video se encuentra en el archivo:


01 perceptron_or.xls proporcionado en el
material del curso.

NOTA IMPORTANTE: leer el material entregado


para reforzar el aprendizaje.