Document related concepts
Transcript
Cátedra de Inteligencia Artificial Facultad de Ciencias Exactas y Tecnología Departamento de Eléctrica, Electrónica y Computación Universidad Nacional de Tucumán TRABAJOPRACTICON°2:REDESNEURONALES(NN) LasconsignasdelTrabajoPracticoconsistenenelcumplimientodelassiguientesclausulas: 1.DesarrollodelmarcoteóricogeneraldelasRedesNeuronales. 2.DesarrollodelmarcoteóricoparticulardelasRedesNeuronales. 3.Resolucióndelassituacionesproblemáticasplanteadas. 4.ElaboracióndeConclusiones. 5.DocumentarBibliografíautilizada. 6.DocumentarSitioswebsutilizados. Lapresentacióndeberárealizarseenpapelytendrácarácterunipersonal. ProblemaN°1 Demostrar que el perceptrón simple es capaz de discriminar entre dos clases linealmente separablesdefinidasapartirdenneuronasdeentrada. ProblemaN°2 Supongamos que tenemos que separar los puntos P1=(1,1), P2=(1,0), P3=(0,1) por la función f(x,y)=3x+2y>2 ( es decir, devuelve 1 si se cumple la desigualdad y 0 si no la cumple). Para ello construye un perceptrón simple y utiliza como función de activación a función sigmoidea, una funcióndeaprendizajebasadaenlaReglaDeltageneralizadayunfactordeaprendizajee=0,5. Asignavaloresaleatoriosypequeños,tantospositivoscomonegativosalospesossinápticos. Realizasólounaiteraciónparacadaunodelospatronesdeentrada. ProblemaN°3 Sealasiguienteredneuronalconunaúnicaneuronaoculta.Realizaunaiteraciónparaelpatrón P1=(101)yotraparaelpatrónP2=(110)utilizandolafunciónXORcomofuncióndiscriminante. Usa además como algoritmo de aprendizaje el algoritmo de Backpropagation propuesto por RumelhartyMcClelland. ProblemaN°4 Consideremos la siguiente red neuronal con función de activación lineal g(x)=x en todas sus unidades. Seanlosejemplosdeentrenamiento(x1,y1)=({0,0},1)y(x2,y2)=({1,1},0).Aplicarunaiteracióndel algoritmo de retropropagación para cada uno de estos ejemplos, tomando 0,1 como factor de aprendizajeytodoslospesosinicialesigualesa0,5. ProblemaN°5 Comprobar que el perceptrón simple no es capaz de aprender la función lógica "or-exclusivo", también denominada XOR2, en la cual la salida es 0 si las dos variables binarias de entrada son iguales,y1silasdosvariablesbinariasdeentradasondiferentes. ProblemaN°6 RealiceelcódigoutilizandoeleditordeMatlabpararesolverelproblemaN°2. ProblemaN°7 UtilizandoelToolboxdeRedesNeuronalesdeMatlabresolverelproblemaN°3. PAGINA 1