Technology

Una aproximación práctica a las redes neuronales artificiales

By Eduardo Francisco Caicedo Bravo

Listen with Sir Michael Caine™ and 1,000+ voices

Try for $0.00 Get for $10

Length5h 33m

About this audiobook

El propósito general de este libro es ser una guía para que el lector interesado en trabajar con redes neuronales artificiales (RNA), esté en capacidad de solucionar problemas propios de su disciplina usando esta técnica de la inteligencia computacional. La estructura del libro se concibe desde los tipos de aprendizaje, ya que es la característica más importante que poseen las redes neuronales artificiales y en ella radica su principal fortaleza para solucionar y adaptarse a diversos problemas. En este libro se encuentran contenidos teóricos básicos que lo dejarán preparado para afrontar el estudio de libros y artículos de carácter avanzado, acompañado de problemas resueltos que afianzan el saber y el saber hacer.

Audiobook details

GenreTechnology

Length5 hrs 33 mins

Narrated byListen with 1,000+ voices

FormateBook with Audio

Publish dateDec 9, 2009

LanguageSpanish

1UNA APROXIMACIÓN PRÁCTICA A LAS REDES NEURONALES ARTIFICIALES

2Colección Ingeniería Colección Ciencias Naturales y Exactas

3INTRODUCCIÓN

4Los Autores

5Breve reseña hIstórIca

Show all chapters

6Fig. 1.1 La neurona biológica

7Procesamiento matemático en la neurona artificial

8ronal artificial con varios niveles.

9Fig. 1.6 Red Neuronal Artificial Monocapa

10les artificiales tenemos:

11capítulo 2

12la salida de la red es

13Fig. 2.5. Estructura de una red tipo ADALINE

14p dp yp

15Paso 4. Calculamos la salida de la red ADALINE

16Figura 2.9 Estructura de una Red Neuronal Multicapa

17Fig. 2.11 Perceptron multicapa propuesto para la solución la función XOR

185.2 Solución de la función lógica and con un perceptron

19red

20Significado

21Caracter

22Vector de Patrones

23Patrón Salidas D

24Fig. 2.24 Evolución del error de entrenamiento en UVSRNA

25PÁGINA EN BLANCO EN LA EDICIÓN IMPRESA

26IntroduccIón

27arquItectura general de un perceptron multIcapa

28Backpropagation, revisemos su funcionamiento de manera conceptual:

29y la entrada neta:

30Para el caso de una función de activación sigmoidal, resulta la ecuación

31Pasos del algoritmo backpropagation

32Pasos del algoritmo gradiente descendente con α variable

33Condición_parar = Verdadera y salir Sino Condición_parar = Falsa

34Actualización de pesos y determinación de la dirección conjugada

35Pasos del algoritmo gradiente conjugado

36Recordemos la expresión para calcular el error para una neurona de sali-

37vector gradiente y de la matriz Hessiana.

38Solución de la ecuación para determinar la variación de pesos ∆

39Pasos del algoritmo levenberg marquardt

40al paso 14.

41Velocidad de convergencia del algoritmo

42Pre y pos-procesamiento de datos

43Error Cuadrático

44‘Ver Superficie’,’Si’,’No’,’No’); if strcmp (button,’Si’)

45Aprendizaje de una función seno con MATLAB®

46Fig. 3.14 Superficie aprendida por la red al inicio del aprendizaje

47Solución del problema de la xor con uv-srna

48Recomendaciones:

49% Inicialización de la Red Neuronal.

50>> gensim(red,Ts)

More from Tecnología

El mito de la inteligencia artificialErik J. Larson11h 47m4.2 (995)$14 · $0.00

View all

Una aproximación práctica a las redes neuronales artificiales

About this audiobook

Audiobook details

Table of contents

More from Tecnología

You may also like