FACULTAD DE INGENIERA DE SISTEMAS Y ELECTRONICA

Ciclo. 2014-2. Prof. M. Sc. Ing. José C. Benítez P.

WOIAA SISTEMAS INTELIGENTES Y REDES NEURONALES

1ER. BALOTARIO PARA LA PRIMERA PRÁCTICA 1. Introducción a la IA y a las RNA. Responder en forma clara y precisa.

a. Dibuje una RNB con al menos dos tipos de

neuronas e indique sus partes.

b. Dibuje una RNA multicapa e indique sus partes,

funciones y matrices representativas.

c. ¿Cuántas neuronas hay en nuestro sistemas

nervioso aproximadamente?.

d. Justifique porque en un punto de una letra “i”

hay 50 neuronas.

e. ¿Cuánto pesa el cerebro de un recién nacido y

de un adulto?

f. ¿A partir de qué edad va perdiendo peso del

cerebro y a que razón?

g. Haga un cuadro sinóptico con las

clasificaciones de las RNA según diversos

criterios. Incluya ejemplos de cada uno.

2. Redes Neuronales Artificiales.

a. Graficar los patrones de aprendizaje de las

funciones lógicas. Justificar si son separables.

� XNOR

� LA BICONDICIONAL

� ~(A � B) ∧ (A v C)

b. Graficar el siguiente patrón de aprendizaje.

Verificar si son linealmente separables.

X1 = [-0.4 0.8 1.0 -1.0 -1.0]

X2 = [-1.0 1.0 0.5 -0.5 -1.0]

D = [1 -1 1 -1 1]

c. Graficar el siguiente patrón de aprendizaje.

Verificar si son linealmente separables.

X1 = [-0.6 0.9 1.0 -0.8 -1.0 0.5]

X2 = [-1.0 1.0 0.5 -0.5 -1.0 1.0]

D1 = [1 1 1 0 0 1]

D2 = [1 1 0 1 1 1]

d. Graficar el patrón de aprendizaje de:

X1 = [-0.2 1.0 0.4 -1.0 -1.0 0.5]

X2 = [1.0 0.8 0.2 -0.4 -0.3 1.0]

D1 = [1 1 -1 1 1 -1]

D2 = [1 -1 -1 -1 1 1]

3. SLP. Responder forma clara y precisa.

a. Represente el MLP de forma sintetizada y

escriba sus matrices representativas:

i. La RNA tiene 181 neuronas.

ii. Cinco CPs.

iii. En la CO hay 60 UPs menos que el total de

neuronas.

iv. La CE tiene la mitad de UP que la última CP.

v. Escriba sus matrices representativas.

b. Diseñe la red y hallar las salidas con los datos.

i. P = [-2 2; -1 1; 2 -1]

fT = hs, wij = [1 1 -1; 2 -1 -2; -1 2 -1]

b1=2, b2=1 y b3=-1

ii. P = [1 1;-1 2; 2 1; 2 -1]

fT = hm, wij = [1 -1;-1 1; -2 2;-1 1]

b1=2 y b2=-1

iii. P = [1.2 -1.5; 1.4 2.4; 2.1 1.8; 1.2 -1.6]

fT = hm, wij = [-1.2 1.5; -1.2 2.1; -2.3 2.6;

-2.1 1.2], b1 = -1.2 y b2 = 1.5

fT = hs, wij’=[-3.2; 1.7 ], b1=-2

c. Entrenar las SLP y graficar la evolución de la

línea de separación:

i. fT = hs, pi=[-1 1; 1 - 1;2 -2] Oij=[1 1; 1 -1],

Wo = [-0.5 0.2; 0.7 -0.2], b

o =- 0.5, n = 0.5

ii. fT = hm, pi = [1 1; -1 1; 2 2; 1 -1]

Oij = [1 1; 1 0; 0 1; 0 1]

d. Entrenar la SLP con el siguiente patrón de

aprendizaje. Si no es entrenable modificar

para que sea entrenable.

X1 = [-0.4 0.8 1.0 -0.8 -0.4 0.5]

X2 = [-1.0 1.0 0.5 -0.5 -1.0 1.0]

D = [-1 1 1 -1 -1 1]

e. Entrenar la SLP con el siguiente patrón de

aprendizaje. Si no es entrenable modificar para

que sea entrenable.

X1 = [-0.2 1.0 0.8 -0.6 -1.0 0.4]

X2 = [-0.5 1.0 0.5 -0.5 -1.0 1.0]

D1 = [0 1 1 0 0 1]

D2 = [1 1 0 0 1 1]

4. MLP: Entrenar la MLP de la función lógica: a) XNOR b) bicondicional c) A<=>B<=>C. *UTP/FISE/SIRN/ /JCBP/19/09/14