UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO CENTRO UNIVERSITARIO UAEM ATLACOMULCO

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
CENTRO UNIVERSITARIO UAEM ATLACOMULCO
IVAN GALLEGOS MIRANDA U.A REDES NEURONALES
TEMA: CARACTERISTICAS DE LAS REDES NEURONALES
REPORTE No.1
AGOSTO 2014
3.1.2.1 redes con conexiones hacia adelante (feedforward)
Las redes feedforward son las señales que van hacia adelante a través de capas de
la red. No existen conexiones hacia atrás y normalmente tampoco autor recurrente,
ni lateral excepto modelos propuestos Kohnen denominado LEARNING VECTOR
QUANTIZER (LVQ) y TOPOLOGY PRESERVING MAP (TMP), existen unas
conexiones implícitas entre las mismas neuronas de la misma capa de
salida.//72.2.1.10
Las redes feedforward conocidas son: PERCEPTRON, ADALINE, MADALINE,
LINEAR
ADAPTIVE
MEMORY
(LAM),
DRIVE-REINFORCE-MENT,
BACKPROPAGATION. Especialmente útiles reconocimiento o clasificación de
patrones. //72.3.1.4
3.1.2.2 redes con conexiones
(feedforward/feedback).
hacia
adelante
y
hacia
atrás
Este tipo de redes circula información hacia adelante (foward) como hacia atrás
(backward) durante el funcionamiento de la red. Existen conexiones feedforward y
conexiones feedback entre neuronas.//72.4.1.3
El caso particular de las redes COGNITRON y NEOCOGNITION, por lo regular
suelen ser bicapa y tiene dos conjuntos de pasos como conexiones feedforward que
es la primera capa o capa de entrada y la segunda o capa de salida que es la
conexión feedback.//72.5.1.5
La estructura bicapa particularmente realiza asociación de la información o patrón
de entrada con otra información o patrón de salida en la segunda capa también
pueden ser utilizadas en la clasificación de patrones.//73.1.1.4
Algunas redes funcionan basado en lo que se conoce como resonancia, las
informaciones de las capas interactúan hasta alcanzar un estado estable. El
funcionamiento permite mejor acceso de informaciones almacenadas.//73.2.1.4
Las conexiones se diseñan como conexiones excitadoras (con peso positivo)
permitiendo la cooperación de neuronas o inhibidoras (con peso negativo),
estableciéndose competición de neuronas correspondientes ya que dispones
conexiones autor recurrentes CABAM (Competitive Adaptive Bidirectional
Associative Memory). //73.4.1.7
La existencia tipo res feedforward/feedback multicapa denominada
NEOCOGNICION que dispone en planos supuestos lo cual permite eliminarse
variaciones geométricas o distorsiones que presenten informaciones.//73.4.1.6
Página 1 de 3
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
CENTRO UNIVERSITARIO UAEM ATLACOMULCO
IVAN GALLEGOS MIRANDA U.A REDES NEURONALES
TEMA: CARACTERISTICAS DE LAS REDES NEURONALES
REPORTE No.1
AGOSTO 2014
3.2. Mecanismo de aprendizaje
Proceso el cual una red neuronal modifica pesos en respuesta información de
entrada. Los cambios que producen el proceso de aprendizaje reducen destrucción,
modificación y creación de conexiones de neuronas.//75.1.1.5
En los sistemas biológicos existe creación continua y destrucción de conexiones.
Durante el proceso de aprendizaje las redes neuronales conocen como se modifican
los valores de los pesos para cambiar el valor asignado cuando se pretende que la
red aprenda nueva información.75.2.1.4
Estos criterios determinan lo que se conoce como la regla de aprendizaje de la red
ya que suelen considerar tipos de reglas las responden habitualmente como
aprendizaje supervisado.75.2.1.5
Las clasificaciones de las redes neuronales obedecen al tipo de aprendizaje
utilizado:
-Redes neuronales con aprendizaje supervisado.
-Redes neuronales con aprendizaje no supervisado.
La diferencia fundamental entre diferentes tipos de estiba en la existencia o no de
un agente externo controle el proceso de aprendizaje de la red.75.3.1.8
Otro criterio se puede utilizar para diferenciar reglas de aprendizaje si la red puede
aprender durante su funcionamiento habitual o si el aprendizaje supone
desconexión. En el primer caso trata de un aprendizaje ON LINE, mientras el
segundo se conoce como OFF LINE.//76.1.1.7
Cuando un aprendizaje es OFF LINE se distingue por una fase de aprendizaje o
entrenamiento y una fase de operación o funcionamiento, existiendo un conjunto de
datos de entrenamiento de datos de test o prueba.//76.2.1.7
Aprendizaje ON LINE distingue de entrenamiento y de operación, los pesos varían
dinámicamente siempre que se presente una nueva información al
sistema.//76.3.1.3
Página 2 de 3
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO
CENTRO UNIVERSITARIO UAEM ATLACOMULCO
IVAN GALLEGOS MIRANDA U.A REDES NEURONALES
TEMA: CARACTERISTICAS DE LAS REDES NEURONALES
REPORTE No.1
AGOSTO 2014
Descripción mediante el conocimiento adquirido:
Lo que se comprendo en este apartado del capítulo se comprendió como se realizan
las conexiones que tiene una red y como aprende una red y que esta a su vez puede
ser off line y on line.
Además una red neuronal puede modificar pesos en respuesta información de
entrada. Estos cambios producen el proceso de aprendizaje reducen destrucción,
modificación y creación de conexiones de neuronas. El aprendizaje que puede tener
una neurona artificial puede ser aprendizaje supervisado o no supervisado.
Una red neuronal artificial puede cambiar el valor asignado cuando se quiere que
aprenda una nueva información.
Fuente de información:
-Redes Neuronales Artificiales Fundamentos, modelos y aplicaciones, Hilera J.R.,
Addison – Wesley Iberoamericana, ra-ma, 2003.
Página 3 de 3