SlideShare una empresa de Scribd logo
1 de 20
Roberth Gustavo Figueroa Díaz -- Camilo Javier Solís Álvarez  rgfigueroa@utpl.edu.ec -- [email_address] Universidad Técnica Particular de Loja Escuela de Ciencias de la Computación  LOJA - ECUADOR
[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object]
[object Object],[object Object]
Región de decisión correspondiente a un perceptrón simple con dos neuronas de  entrada
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
[object Object],[object Object]
[object Object],[object Object],[object Object],[object Object],[object Object],[object Object],[object Object]
N = Número total de pares de entrenamiento    4 n = Orden de pares de entrenamiento X1 , X2 = Entradas de la red t = Salida deseada Y(in) = Salida obtenida W 11  , W 12  = Pesos sinápticos n X1 X2 t Y (in) 1 1 1 1 2 1 0 1 3 0 1 1 4 0 0 0
X 1 X2 W 11 W 12 Y1 Salida 0 0 0 1 1 =1 n X1 X2 t Y (in) 1 1 1 1 0 2 1 0 3 0 1 4 0 0
X 1 X2 W 11 W 12 Y1 Salida 1 1 1 1 1
X 1 X2 W 11 W 12 Y1 Salida 1 1 1 1 0
X 1 X2 W 11 W 12 Y1 Salida 1 1 1 0 1
X 1 X2 W 11 W 12 Y1 Salida 1 1 0 0 0
X 1 X2 W 11 W 12 Y1 Salida 0,1,1,1 0,1,1,1 1,1,1,0 1,1,0,0 1,0,1,0 Red Entrenada correctamente n X1 X2 t Y (in) 1 1 1 1 1 2 1 0 1 1 3 0 1 1 1 4 0 0 0 0
1 1 1 0 x 2 x 1 Clase 1 Clase 0

Más contenido relacionado

La actualidad más candente

REDES NEURONALES ADALINE
REDES NEURONALES ADALINEREDES NEURONALES ADALINE
REDES NEURONALES ADALINEESCOM
 
Métodos de resolución metodo de gauss jordan
Métodos de resolución metodo de gauss jordanMétodos de resolución metodo de gauss jordan
Métodos de resolución metodo de gauss jordanalgebra
 
Aprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis Bugarin
Aprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis BugarinAprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis Bugarin
Aprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis BugarinJose Luis Bugarin Peche
 
Diseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y EntrenamientoDiseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y EntrenamientoESCOM
 
INTRODUCCION A LAS REDES NEURONALES ARTIFICIALES
INTRODUCCION A LAS REDES NEURONALES ARTIFICIALESINTRODUCCION A LAS REDES NEURONALES ARTIFICIALES
INTRODUCCION A LAS REDES NEURONALES ARTIFICIALESESCOM
 
Algoritmo de Retropropagación
Algoritmo de RetropropagaciónAlgoritmo de Retropropagación
Algoritmo de RetropropagaciónESCOM
 
Ejemplo 1 de floyd warshall
Ejemplo 1 de floyd warshallEjemplo 1 de floyd warshall
Ejemplo 1 de floyd warshallpodersonico
 
Códigos de línea
Códigos de líneaCódigos de línea
Códigos de líneaOscar Llanos
 
Metodos de programacion no-lineal
Metodos de programacion no-linealMetodos de programacion no-lineal
Metodos de programacion no-linealRobert Rivero
 
maquinas de turing jflap
maquinas de turing jflapmaquinas de turing jflap
maquinas de turing jflapAnel Sosa
 
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6 ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6 Dimitris Psounis
 
Programacion lineal entera
Programacion lineal enteraProgramacion lineal entera
Programacion lineal enteraLenin Melendres
 
correlacion-de-senales
correlacion-de-senalescorrelacion-de-senales
correlacion-de-senalescrico89
 
REDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGREDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGESCOM
 

La actualidad más candente (20)

REDES NEURONALES ADALINE
REDES NEURONALES ADALINEREDES NEURONALES ADALINE
REDES NEURONALES ADALINE
 
Métodos de resolución metodo de gauss jordan
Métodos de resolución metodo de gauss jordanMétodos de resolución metodo de gauss jordan
Métodos de resolución metodo de gauss jordan
 
mdedep_01 (2).pdf
mdedep_01 (2).pdfmdedep_01 (2).pdf
mdedep_01 (2).pdf
 
El modo matemático en LaTeX
El modo matemático en LaTeXEl modo matemático en LaTeX
El modo matemático en LaTeX
 
Aprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis Bugarin
Aprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis BugarinAprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis Bugarin
Aprendizaje Supervisado | Redes Neuronales Perceptron | Jose Luis Bugarin
 
Diseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y EntrenamientoDiseño de Redes Neuronales Multicapa y Entrenamiento
Diseño de Redes Neuronales Multicapa y Entrenamiento
 
INTRODUCCION A LAS REDES NEURONALES ARTIFICIALES
INTRODUCCION A LAS REDES NEURONALES ARTIFICIALESINTRODUCCION A LAS REDES NEURONALES ARTIFICIALES
INTRODUCCION A LAS REDES NEURONALES ARTIFICIALES
 
Algoritmo de Retropropagación
Algoritmo de RetropropagaciónAlgoritmo de Retropropagación
Algoritmo de Retropropagación
 
Prolog
Prolog Prolog
Prolog
 
Algoritmo De Multiplicador Constante & Algoritmo Lineal
Algoritmo De Multiplicador Constante & Algoritmo LinealAlgoritmo De Multiplicador Constante & Algoritmo Lineal
Algoritmo De Multiplicador Constante & Algoritmo Lineal
 
Ejemplo 1 de floyd warshall
Ejemplo 1 de floyd warshallEjemplo 1 de floyd warshall
Ejemplo 1 de floyd warshall
 
redes kohonen
redes kohonenredes kohonen
redes kohonen
 
Códigos de línea
Códigos de líneaCódigos de línea
Códigos de línea
 
Metodos de programacion no-lineal
Metodos de programacion no-linealMetodos de programacion no-lineal
Metodos de programacion no-lineal
 
maquinas de turing jflap
maquinas de turing jflapmaquinas de turing jflap
maquinas de turing jflap
 
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6 ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6
ΔΟΜΕΣ ΔΕΔΟΜΕΝΩΝ ΣΕ C - ΜΑΘΗΜΑ 6
 
Programacion lineal entera
Programacion lineal enteraProgramacion lineal entera
Programacion lineal entera
 
correlacion-de-senales
correlacion-de-senalescorrelacion-de-senales
correlacion-de-senales
 
ΠΛΗ20 ΜΑΘΗΜΑ 0.2
ΠΛΗ20 ΜΑΘΗΜΑ 0.2ΠΛΗ20 ΜΑΘΗΜΑ 0.2
ΠΛΗ20 ΜΑΘΗΜΑ 0.2
 
REDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGREDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMING
 

Similar a Perceptron Simple y Regla Aprendizaje

Sistemas de Ecuaciones no lineales-1.pptx
Sistemas de Ecuaciones no lineales-1.pptxSistemas de Ecuaciones no lineales-1.pptx
Sistemas de Ecuaciones no lineales-1.pptx170766
 
Redes de propagación hacia delante y aprendizaje supervisado
Redes de propagación hacia delante   y aprendizaje supervisadoRedes de propagación hacia delante   y aprendizaje supervisado
Redes de propagación hacia delante y aprendizaje supervisadoESCOM
 
Redes Neuronales Monocapa con Conexiones en Cascada PERCEPTRON
Redes Neuronales Monocapa con Conexiones en Cascada PERCEPTRONRedes Neuronales Monocapa con Conexiones en Cascada PERCEPTRON
Redes Neuronales Monocapa con Conexiones en Cascada PERCEPTRONESCOM
 
E book itzayana nava montiel
E book itzayana nava montielE book itzayana nava montiel
E book itzayana nava montielItzayana Nava
 
Simulación en Ing. Eléctrica - Búsqueda de raíces
Simulación en Ing. Eléctrica - Búsqueda de raícesSimulación en Ing. Eléctrica - Búsqueda de raíces
Simulación en Ing. Eléctrica - Búsqueda de raícesCarlos Vergara Branje
 
E book itzayana nava montiel
E book itzayana nava montielE book itzayana nava montiel
E book itzayana nava montielItzayana Nava
 
RED NEURONAL ARTIFICIAL . I.A
RED NEURONAL ARTIFICIAL . I.A RED NEURONAL ARTIFICIAL . I.A
RED NEURONAL ARTIFICIAL . I.A daniatacho
 
Aprendizaje Asociativo Hebbiano
Aprendizaje Asociativo HebbianoAprendizaje Asociativo Hebbiano
Aprendizaje Asociativo HebbianoESCOM
 
Clase 11 MDJ
Clase 11 MDJClase 11 MDJ
Clase 11 MDJTensor
 
Método de jacobi
Método de jacobiMétodo de jacobi
Método de jacobiTensor
 
Método de jacobi Metodos Numericos
Método de jacobi Metodos NumericosMétodo de jacobi Metodos Numericos
Método de jacobi Metodos NumericosTensor
 
Método de jacobi Métodos Númericos
Método de jacobi Métodos NúmericosMétodo de jacobi Métodos Númericos
Método de jacobi Métodos NúmericosTensor
 
Perceptron y Adaline
Perceptron y AdalinePerceptron y Adaline
Perceptron y AdalineSpacetoshare
 
RED NERONAL ADALINE
RED NERONAL ADALINERED NERONAL ADALINE
RED NERONAL ADALINEESCOM
 
S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1jcbenitezp
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronalesgueste7b261
 

Similar a Perceptron Simple y Regla Aprendizaje (20)

Tema4
Tema4Tema4
Tema4
 
Sistemas de Ecuaciones no lineales-1.pptx
Sistemas de Ecuaciones no lineales-1.pptxSistemas de Ecuaciones no lineales-1.pptx
Sistemas de Ecuaciones no lineales-1.pptx
 
Perceptron parte 1
Perceptron parte 1Perceptron parte 1
Perceptron parte 1
 
Redes de propagación hacia delante y aprendizaje supervisado
Redes de propagación hacia delante   y aprendizaje supervisadoRedes de propagación hacia delante   y aprendizaje supervisado
Redes de propagación hacia delante y aprendizaje supervisado
 
Redes Neuronales Monocapa con Conexiones en Cascada PERCEPTRON
Redes Neuronales Monocapa con Conexiones en Cascada PERCEPTRONRedes Neuronales Monocapa con Conexiones en Cascada PERCEPTRON
Redes Neuronales Monocapa con Conexiones en Cascada PERCEPTRON
 
E book itzayana nava montiel
E book itzayana nava montielE book itzayana nava montiel
E book itzayana nava montiel
 
Simulación en Ing. Eléctrica - Búsqueda de raíces
Simulación en Ing. Eléctrica - Búsqueda de raícesSimulación en Ing. Eléctrica - Búsqueda de raíces
Simulación en Ing. Eléctrica - Búsqueda de raíces
 
E book itzayana nava montiel
E book itzayana nava montielE book itzayana nava montiel
E book itzayana nava montiel
 
agentes
agentesagentes
agentes
 
RED NEURONAL ARTIFICIAL . I.A
RED NEURONAL ARTIFICIAL . I.A RED NEURONAL ARTIFICIAL . I.A
RED NEURONAL ARTIFICIAL . I.A
 
Aprendizaje Asociativo Hebbiano
Aprendizaje Asociativo HebbianoAprendizaje Asociativo Hebbiano
Aprendizaje Asociativo Hebbiano
 
Perceptrón
PerceptrónPerceptrón
Perceptrón
 
Clase 11 MDJ
Clase 11 MDJClase 11 MDJ
Clase 11 MDJ
 
Método de jacobi
Método de jacobiMétodo de jacobi
Método de jacobi
 
Método de jacobi Metodos Numericos
Método de jacobi Metodos NumericosMétodo de jacobi Metodos Numericos
Método de jacobi Metodos Numericos
 
Método de jacobi Métodos Númericos
Método de jacobi Métodos NúmericosMétodo de jacobi Métodos Númericos
Método de jacobi Métodos Númericos
 
Perceptron y Adaline
Perceptron y AdalinePerceptron y Adaline
Perceptron y Adaline
 
RED NERONAL ADALINE
RED NERONAL ADALINERED NERONAL ADALINE
RED NERONAL ADALINE
 
S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1S iy rn 2011-3 balotario de la pc1
S iy rn 2011-3 balotario de la pc1
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 

Perceptron Simple y Regla Aprendizaje

  • 1. Roberth Gustavo Figueroa Díaz -- Camilo Javier Solís Álvarez rgfigueroa@utpl.edu.ec -- [email_address] Universidad Técnica Particular de Loja Escuela de Ciencias de la Computación LOJA - ECUADOR
  • 2.
  • 3.
  • 4.
  • 5. Región de decisión correspondiente a un perceptrón simple con dos neuronas de entrada
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13. N = Número total de pares de entrenamiento  4 n = Orden de pares de entrenamiento X1 , X2 = Entradas de la red t = Salida deseada Y(in) = Salida obtenida W 11 , W 12 = Pesos sinápticos n X1 X2 t Y (in) 1 1 1 1 2 1 0 1 3 0 1 1 4 0 0 0
  • 14. X 1 X2 W 11 W 12 Y1 Salida 0 0 0 1 1 =1 n X1 X2 t Y (in) 1 1 1 1 0 2 1 0 3 0 1 4 0 0
  • 15. X 1 X2 W 11 W 12 Y1 Salida 1 1 1 1 1
  • 16. X 1 X2 W 11 W 12 Y1 Salida 1 1 1 1 0
  • 17. X 1 X2 W 11 W 12 Y1 Salida 1 1 1 0 1
  • 18. X 1 X2 W 11 W 12 Y1 Salida 1 1 0 0 0
  • 19. X 1 X2 W 11 W 12 Y1 Salida 0,1,1,1 0,1,1,1 1,1,1,0 1,1,0,0 1,0,1,0 Red Entrenada correctamente n X1 X2 t Y (in) 1 1 1 1 1 2 1 0 1 1 3 0 1 1 1 4 0 0 0 0
  • 20. 1 1 1 0 x 2 x 1 Clase 1 Clase 0