tedes estocasticas

Universidad Fermín ToroFacultad de Ingeniería

Escuela de Computación.

Universidad Fermín ToroUniversidad Fermín ToroFacultad de Ingeniería Facultad de Ingeniería

Escuela de Computación.Escuela de Computación.

1.Evaluar su efecto

2.Si la red se comportamejor, se acepta

3.Sino, se acepta con una

determinada función deprobabilidad

Ecuación de activación estocástica

Cambios aleatorios enlos valores de los pesos

Se realiza un cambio aleatorio en los pesos.Se realiza un cambio aleatorio en los pesos.

Proceso

Se determina la nueva energía de la red.Se determina la nueva energía de la red.

Si la energía decrece; se acepta el cambio. Si laSi la energía decrece; se acepta el cambio. Si laenergía no decrece: se aceptaría el cambio enenergía no decrece: se aceptaría el cambio enfunción de una determinada y preestablecidafunción de una determinada y preestablecidadistribución de probabilidades.distribución de probabilidades.

Las arquitecturas usadas en este tipo de red Las arquitecturas usadas en este tipo de red puede ser: puede ser:

Boltzman completion network Boltzman input - output network

La máquina de cauchy es una versión La máquina de cauchy es una versión mejorada de la máquina de boltzmann, mejorada de la máquina de boltzmann,

Reconocimiento de textos manuscritos.

Reconocimiento del habla.

Simulación de centrales de producción de energía.

Detección de explosivos.

Identificación de blancos de radares.

Sistemas de control de reactores, procesos químicos, físicos entre otros.

T. Kohonen presentó en 1982 un modelo de red neuronal con capacidad para formar mapas de características de manera similar a como ocurre en el cerebro.

Red NO supervisada

Las entradas se conectan a una única capa de neuronas

La conexión puede ser lineal, cuadrada, hexagonal, irregular, etc.

La red detecta grupos similares o clusters en los datos de entrada

2 Capas de Neuronas:

Capa de entrada: recibe y Transmite a la capa de salida.

Capa de salida: Procesa la informaciónY forma el mapa de rasgos.

Inicialización de los pesos wijk. Inicialización de los pesos wijk.

Elección de un patrón de entre el conjunto de patrones Elección de un patrón de entre el conjunto de patrones de entrenamiento.de entrenamiento.

Para cada neurona del mapa, calcular la distancia Para cada neurona del mapa, calcular la distancia euclídea entre el patrón de entrada euclídea entre el patrón de entrada xx y el vector de y el vector de pesos sinápticos.pesos sinápticos. Distancia Euclídea entre el vector sináptico y la entrada.Distancia Euclídea entre el vector sináptico y la entrada.

Evaluar la neurona ganadora, es decir aquella cuya distancia es la menor de todas.

Actualizar los pesos sinápticos de la neurona ganadora y de sus vecinas según la regla:

Actualización de los pesos en una red SOM

Lo usual es fijar un numero de iteraciones antes de comenzar el aprendizaje.

El aprendizaje es de tipo OFF-LINE

Aprendizaje no supervisado de tipo competitivo.

El aprendizaje no concluye después de presentarle una vez todos los patrones de entrada, sino que habrá que repetir el proceso varias veces para refinar el mapa topológico de salida.

La vecindad indica que nodos “aprenden” cuando se activa una neurona

Reconocimiento de patrones: voz, texto, imágenes, señales entre otros.

Codificación de datos.

Comprensión de imágenes.

Resolución de problemas de optimización.