1. Ing. José C. Benítez P.
Inteligencia Artificial
(W0I9)
Patrones de aprendizaje de las RNA
Laboratorio: 2

2.  Objetivos
 Fundamento teórico: Los patrones de
aprendizaje de las RNA.
 Graficar patrones de aprendizaje de las RNA.
 Tarea.
Patrones de aprendizaje de las RNA
2

3. Objetivos
 Revisar los conceptos de los patrones de aprendizaje de
las RNA.
 Graficar mediante el Toolbox de Redes Neuronales de
MatLab patrones de aprendizaje de las RNA.
3

4.  Se denomina Conjunto de Entrenamiento (CE) de las RNA al conjunto
formado por las entradas y las salidas deseadas, utilizadas para entrenar
una RNA. También se le denomina Patrón de Entrenamiento (PE) o
patrón de aprendizaje (PA). Los PE ayudan a determinar si el CE pueden
ser separados linealmente.
 Las separaciones lineales facilitan el aprendizaje de algunas RNA tales
como el Perceptron, Adaline, MLP y Madaline.
 En el toolbox de redes neuronales del MATLAB se encuentran funciones
que nos permiten graficar los PE.
 Entre las funciones utilizadas por el MATLAB para el grafico de los
patrones de entrenamiento se tienen:
 PLOTPV - Grafica los vectores de entrada cuando la salida es 1/0.
Patrón de entrenamiento de las RNA
4

5. Los patrones de aprendizaje se utilizarán para
entrenar las redes neuronales.
Ejemplo: La función lógica AND
En Matlab:
>> X=[1 1 0 0; 1 0 1 0]; %Posibles entradas en la RNA
>> D=[1 0 0 0] %Es el resultado de la función lógica AND
>> plotpv(X,D) %Grafica los patrones de aprendizaje.
Nos mostrará el gráfico mostrado.
Grafico del PE de las RNA
5
Como se puede observar, MATLAB grafica los
puntos dados en el vector X y le asigna un
símbolo para la clasificación dependiendo de
la salida deseada, en esta caso:
Para salida deseada cero (0) = o
Para salida deseada uno (1) = +
X1 X2 X1 OR X2
1 1 1
1 0 0
0 1 0
0 0 0

6. Linealmente separables
6
Se puede observar, que existen dos
grupos de datos.
Los grupos pueden ser separados
mediante una línea como se muestra en
el grafico; es decir el CE es linealmente
separable (LS).
Uno de los requisitos para entrenar una
Perceptron o Adaline es que sean LS.

7. 7
Tarea
1. Graficar los patrones de entrenamiento y verificar si son linealmente
separables las siguientes funciones lógicas:
a. OR b. NOT c. XOR
d. CONDICIONAL e. LA BICONDICIONAL
f. (A OR B) AND C g. (NOT (A OR B)) AND C h. (AB) OR C
i. (A=>B)=>C j. (A B)  C
2. Graficar los patrones de aprendizaje de la siguiente RNA y verificar si son LS:
X1 X2 D1 D2
-0.5 -1.0 0 1
1.0 1.0 1 1
1.0 0.5 1 0
-1.0 -0.5 0 0
-1.0 -1.0 0 1
0.5 1.0 1 1
3. Dar dos ejemplos de PE LS de dos y tres entradas. Graficar mediante el MatLab.

8. Informe de Laboratorio
 El Informe de Laboratorio es un documento gráfico en lo posible
y es redactado en Word con el desarrollo del laboratorio.
 Niveles de Informe:
 Primer nivel: Observaciones. Imágenes con comentarios
cortos. Redactar al ir desarrollando el laboratorio. (Requiere
desarrollar el laboratorio).
 Segundo nivel: Conclusiones. Redactar al terminar el
laboratorio.(Requiere haber desarrollado el laboratorio).
 Tercer Nivel: Recomendaciones. (Requiere lectura de otras
fuentes).
 Dentro de su Carpeta Personal del Dropbox crear una carpeta
para el laboratorio 2 con el siguiente formato:
IA_PaternoM_Lab2
 Adjuntar fuentes que le han ayudado en esta carpeta creada.
 Las fuentes deben conservar el nombre original de archivo y se
debe agregar _L2 al final.
 Presentar el Informe de Laboratorio 2 en esta carpeta creada.
8

9. Lab2. Patrones de aprendizaje de las RNA
http://utpiayse.blogspot.com
9