You are on page 1of 31

.

.

.

.

.

.

.

.

LVQ2-peso aprendizaje función Outstar función de ponderación de aprendizaje. Hebb función de ponderación de aprendizaje. Auto-organización de mapas peso función de aprendizaje. Learnis Learnk Learnlv1 Learnlv2 Learnos Learnp Learnpn Learnsom Learnhw Instar función de ponderación de aprendizaje. Normalizado perceptrón de peso / función de aprendizaje sesgo. Hebb pizca peso decadencia función de aprendizaje. Gradiente de descenso de peso / peso impulso / función de aprendizaje sesgo. Kohonen función de ponderación de aprendizaje. Perceprton peso / función de aprendizaje sesgo. LVQ1 función de ponderación de aprendizaje. .FUNCIONES DE APRENDIZAJE learngd Learngdm Learnh Learnhd Gradiente de descenso de peso / función de aprendizaje sesgo. Widrow-Hoff peso / regla sesgo aprendizaje.

.

•El perceptrón es un tipo de red de aprendizaje supervisado. necesita conocer los valores esperados (targets) para cada una de las entradas (a) presentadas •Generalmente ocupan funciones de transferencia tipo hardlim y hardlims •La regla de aprendizaje que sigue el perceptrón para la actualización de sus pesos es la siguiente: . es decir.

Se desea realizar un clasificador de 4 tipos diferentes de cajas usando 6 sensores .

.

.

variando el learning rate trainlm .Levenberg-Marquardt basado en la matriz Hessiana pero hecha con una aproximación usando la matriz Jacobian . traingdx – gradiente descendiente.traingd – aprendizaje por gradiente descendiente (Estándar) traingdm – gradiente descendiente con momentum (low-pass filter) traingda.

.

.

es decir. pero algunas veces es útil medir la red con más detalle. Una opción es medir la eficiencia por análisis regresivo. donde 1 indica una perfecta correlación . “m” y “b” corresponden a la pendiente y a la intersección en el eje de las ordenadas respectivamente. toma valores entre 0 y 1.La eficiencia de una red entrenada puede ser medida viendo los errores que arroja la red durante el entrenamiento o bien validando el set de training. representan la mejor regresión lineal que relaciona los targets con las salidas de la red “r” es un coeficiente de correlación entre los targets y las salidas.

.

.

.

.

.

.

La declaración y entrenamiento de la red se ejecuta con una sola función que se llama „newhop‟. en realidad lo que hace esta función es calcular los pesos colocando como condición inicial a la matriz T .

Se desea realizar una red que grabe M patrones de entrada (en este caso serán letras o números) de una matriz de 5x5. Después que se haya entrenado la red se presentarán entradas con ruido (letras mal hechas) de tal forma que la red converja al patrón más parecido (letra más parecida) .