Download Diapositiva 1 - Posgrado FIE

Redes Neuronales Artificiales
Tarea 6
BackPropagation II
Dr. Juan José Flores Romero
División de Estudios de Posgrado
Facultad de Ingeniería Eléctrica
[email protected]
http://lsc.fie.umich.mx/~juan/
http://lsc.fie.umich.mx/~juan/Materias/ANN
Parte I
Reconocimiento de Caracteres
1.
2.
3.
4.
Su archivo de entrenamiento es digit_train.pat. Cada patrón tiene 64
entradas y 10 salidas. Las entradas son pixeled que representan dígitos
decimales escritos a mano. Cada dígito representado poruna matriz de
8x8. Las salidas, 0 to 9, indican como la imagen es clasificada. Si la
imagen representa al 3, la unidad 3 debe tener una salida de 1 y el resto
de 0. Se tienen 3823 patrones en el conjunto de entrenamiento.
El alumno debe decidir cuantas unidades usar y por cuanto tiempo
entrenar la red. You must decide how many hidden units to use, how long
to train the network, etc. Tengan cuidado de no sobreentrenarla
(overfitting).
Puden dividir el archivo en conjuntos de entrenamiento y de validación.
Entregar su archivo de red y un reporte que explique la estructura de la
red, como la seleccionaron, cualquier fenómeno o situación
interesanteque hayan encontrado, etc.
Parte II
Entrenamiento
1.
2.
3.
4.
5.
6.
7.
Cargue el archivo xor.pat.
Inicialice la red.
Abra las ventanas de proyección y error.
Entrene la red por 5000 ciclos.
Repita la inicialización y aprendizaje 3 veces. Para cada vez,
capture pantallas de las proyecciones finales de las entradas a la
salida, de las entradas a la neurona ocula y de las entradas a la
segunda neurona oculta.
¿Qué función booleana implementa cada neurona oculta? ¿Qué
función booleana de las neuronas ocultas implementa la neurona
de salida?
¿Cual es el resultado para entradas de 0.5, 0.5?