Perceptrón Simple Corrección de Error

Gin Pao
Gin PaoIngeniera de Sistemas
PERCEPTRON SIMPLE 
MODELO DE APRENDIZAJE 
CORRECCIÓN DE ERROR 
EJEMPLO CON OR ESPECIAL (XOR) 
Determinar las entradas y salidas deseadas. 
OR ESPECIAL 
X1 X2 Y 
-1 -1 -1 
1 -1 -1 
-1 1 -1 
1 1 1 
Determinar los valores iniciales 
de los pesos, el umbral teta y el 
valor del error. 
PESO 1 0,5 
PESO 2 1 
TETA 0,5 
ERROR 0,5
Determinar la función de activación. 
F(V) 
1 SI V > 0 
-1 SI V = < 0 
De acuerdo con la regla de aprendizaje :
Iniciar a calcular. 
Para el primer par ordenado: 
1 -1 -1 -1 
resultado de cálculo 
-1 comparación con funcion de actuivación 
-1 Ok Comparación con la respuesta deseada 
El resultado realizado de acuerdo con la regla de aprendizaje es: -1, Se 
realiza seguidamente la comparación con la función de activación donde nos 
dice que si el valor obtenido en el cálculo de aprendizaje es mayor que cero, 
entonces aproxímese a 1 y que si el valor obtenido es menor o igual que cero, 
entonces aproxímese a -1. En este caso como el valor obtenido es -1, es decir 
que es menor que cero, por tanto se aproximará a -1. 
Finalmente comparamos esta aproximación con la salida esperada , si es igual 
podemos continuar evaluando los siguientes pares ordenados, de lo contrario 
de debe realizar la corrección del error. 
En este caso el valor de la aproximación es -1 y es igual a la salida deseada 
que es -1, por tanto procedemos a evaluar los siguientes pares ordenados.
Para el segundo par ordenado: 
2 1 -1 -1 
0 
-1 Ok 
Para el tercer par ordenado: 
3 -1 1 -1 
1 
1 Recalcular 
El valor que se esperaba era un -1, por consiguiente se 
procede a realizar un re cálculo de pesos y volver a 
evaluar. A Continuación las fórmulas necesarias para 
realizar el re cálculo.
Perceptrón Simple Corrección de Error
Recalcular el valor de los pesos y el valor de teta: 
CORRECCIÓN DE ERROR 
Recalcular Pesos EN PASO 3 
NEW PESO 1 1,5 
NEW PESO 2 1 
NEW TETA -0,5 
Evaluar el tercer par ordenado con los nuevos valores obtenidos: 
3 -1 1 -1 
-1 
-1 Ok 
Se obtuvo el valor deseado.
Evaluar todos los pares ordenados con los valores de los nuevos pesos y el 
nuevo valor de teta. 
4 1 1 1 
2 
1 Ok 
1 -1 -1 -1 
-3 
-1 Ok 
2 1 -1 -1 
0 
-1 Ok 
Al observar que el valor de los pesos y teta, permiten que las salidas 
esperadas por cada par ordenado correspondan, se dice que el 
algoritmos converge con: 
el valor de los pesos: 1,5 y 1. 
el valor de teta: -0,5.
En síntesis tenemos: 
PESO 1 0,5 
X1 X2 Y PESO 2 1 
1 -1 -1 -1 TETA 0,5 
2 1 -1 -1 ERROR 0,5 
3 -1 1 -1 
4 1 1 1 
1 -1 -1 -1 
com-p1aración con funcion de actuivación 
Cálculo -1 Ok Comparación con la respuesta deseada 
2 1 -1 -1 
0 
-1 Ok 
3 -1 1 -1 
1 
1 Recalcular 
CORRECCIÓN DE ERROR 
NEW PESO 1 1,5 
NEW PESO 2 1 
NEW TETA -0,5 
3 -1 1 -1 
-1 
-1 Ok 
4 1 1 1 
2 
1 Ok 
1 -1 -1 -1 
-3 
-1 Ok 
2 1 -1 -1 
0 
-1 Ok 
Recalcular Pesos EN PASO 3 
FUNCIÓN DE ACTIVACIÓN 
RECALCULANDO CON LOS NUEVOS PESOS 
F(V) 
OR ESPECIAL 
1 SI V > 
/ -1 SI V = < 
0
1 de 8

Recomendados

Seminario 9 por
Seminario 9Seminario 9
Seminario 9merygd
185 vistas9 diapositivas
Conjunto i por
Conjunto iConjunto i
Conjunto iAlfa Velásquez Espinoza
11.6K vistas8 diapositivas
Seminario 9. por
Seminario 9.Seminario 9.
Seminario 9.maricarmen1
185 vistas28 diapositivas
Propiedades de la adiciòn por
Propiedades de la adiciònPropiedades de la adiciòn
Propiedades de la adiciònClaudio Diaz Peralta
10.4K vistas13 diapositivas
Matematica por
MatematicaMatematica
Matematicasebas moreno
211 vistas39 diapositivas
Sem 9 inma por
Sem 9 inmaSem 9 inma
Sem 9 inmaLydia Acosta Garcia
170 vistas22 diapositivas

Más contenido relacionado

Destacado

Perceptrón Simple – Redes Neuronales con Aprendizaje Supervisado por
Perceptrón Simple – Redes Neuronales con Aprendizaje SupervisadoPerceptrón Simple – Redes Neuronales con Aprendizaje Supervisado
Perceptrón Simple – Redes Neuronales con Aprendizaje SupervisadoAndrea Lezcano
26.3K vistas68 diapositivas
Perceptron Simple y Regla Aprendizaje por
Perceptron  Simple y  Regla  AprendizajePerceptron  Simple y  Regla  Aprendizaje
Perceptron Simple y Regla AprendizajeRoberth Figueroa-Diaz
16.1K vistas20 diapositivas
Logica Difusa por
 Logica Difusa  Logica Difusa
Logica Difusa Rufino meri?
2.4K vistas9 diapositivas
Profissões do futuro [ou o futuro das Profissões?] por
Profissões do futuro [ou o futuro das Profissões?]Profissões do futuro [ou o futuro das Profissões?]
Profissões do futuro [ou o futuro das Profissões?]Pedro Ramos
856 vistas31 diapositivas
El arte por
El arteEl arte
El arteDanielagarcia0410
101 vistas5 diapositivas
Computacion por
ComputacionComputacion
ComputacionPamelaCrespo2
206 vistas11 diapositivas

Destacado(20)

Perceptrón Simple – Redes Neuronales con Aprendizaje Supervisado por Andrea Lezcano
Perceptrón Simple – Redes Neuronales con Aprendizaje SupervisadoPerceptrón Simple – Redes Neuronales con Aprendizaje Supervisado
Perceptrón Simple – Redes Neuronales con Aprendizaje Supervisado
Andrea Lezcano26.3K vistas
Logica Difusa por Rufino meri?
 Logica Difusa  Logica Difusa
Logica Difusa
Rufino meri?2.4K vistas
Profissões do futuro [ou o futuro das Profissões?] por Pedro Ramos
Profissões do futuro [ou o futuro das Profissões?]Profissões do futuro [ou o futuro das Profissões?]
Profissões do futuro [ou o futuro das Profissões?]
Pedro Ramos856 vistas
Marrazzo Federico Vivienda Estudio por Marrazzo2012
Marrazzo Federico Vivienda EstudioMarrazzo Federico Vivienda Estudio
Marrazzo Federico Vivienda Estudio
Marrazzo2012409 vistas
Archivo general de la nacion 555 por jhonstevan
Archivo general de la nacion 555Archivo general de la nacion 555
Archivo general de la nacion 555
jhonstevan206 vistas
El término violencia por Nube Taller
El término violenciaEl término violencia
El término violencia
Nube Taller372 vistas
Educación a distancia por grisuribe
Educación a distanciaEducación a distancia
Educación a distancia
grisuribe74 vistas
Problema condicionante de las alternativas de solución por andreitarivas
Problema condicionante de las alternativas de soluciónProblema condicionante de las alternativas de solución
Problema condicionante de las alternativas de solución
andreitarivas325 vistas
Presentaciòn grupo 2 por camogz
Presentaciòn grupo 2Presentaciòn grupo 2
Presentaciòn grupo 2
camogz114 vistas
Coca cola por vcorzod
Coca colaCoca cola
Coca cola
vcorzod269 vistas
Plan de gestión del conocimiento j por piekna1207
Plan de gestión del conocimiento jPlan de gestión del conocimiento j
Plan de gestión del conocimiento j
piekna1207123 vistas

Similar a Perceptrón Simple Corrección de Error

1.rlo resultado logico de la operacion por
1.rlo  resultado logico de la operacion1.rlo  resultado logico de la operacion
1.rlo resultado logico de la operacionguelo
1.7K vistas8 diapositivas
Metods lineales por
Metods linealesMetods lineales
Metods linealesEcuador
468 vistas52 diapositivas
Evaluacion presencial I por
Evaluacion presencial IEvaluacion presencial I
Evaluacion presencial IAngelaalvarado16
33 vistas9 diapositivas
Ex1 rezagado analisis numerico (3) por
Ex1 rezagado analisis numerico (3)Ex1 rezagado analisis numerico (3)
Ex1 rezagado analisis numerico (3)villadaniel11
113 vistas6 diapositivas
Seminario 10 por
Seminario 10Seminario 10
Seminario 10yasminageybarroso
285 vistas24 diapositivas
Método de newton raphson Metodos Numericos por
Método de newton raphson Metodos NumericosMétodo de newton raphson Metodos Numericos
Método de newton raphson Metodos NumericosTensor
19.7K vistas32 diapositivas

Similar a Perceptrón Simple Corrección de Error(20)

1.rlo resultado logico de la operacion por guelo
1.rlo  resultado logico de la operacion1.rlo  resultado logico de la operacion
1.rlo resultado logico de la operacion
guelo 1.7K vistas
Metods lineales por Ecuador
Metods linealesMetods lineales
Metods lineales
Ecuador468 vistas
Ex1 rezagado analisis numerico (3) por villadaniel11
Ex1 rezagado analisis numerico (3)Ex1 rezagado analisis numerico (3)
Ex1 rezagado analisis numerico (3)
villadaniel11113 vistas
Método de newton raphson Metodos Numericos por Tensor
Método de newton raphson Metodos NumericosMétodo de newton raphson Metodos Numericos
Método de newton raphson Metodos Numericos
Tensor19.7K vistas
Método de newton raphson por Tensor
Método de newton raphsonMétodo de newton raphson
Método de newton raphson
Tensor1.3K vistas
Analisis Numerico - Evaluacion 20pts por victoriasdc
Analisis Numerico - Evaluacion 20ptsAnalisis Numerico - Evaluacion 20pts
Analisis Numerico - Evaluacion 20pts
victoriasdc382 vistas
Conceptos básicos de programación por YerkoRomero3
Conceptos básicos de programaciónConceptos básicos de programación
Conceptos básicos de programación
YerkoRomero32 vistas
Agrupamiento de variables continuas por Steve Rodriguez
Agrupamiento de variables continuasAgrupamiento de variables continuas
Agrupamiento de variables continuas
Steve Rodriguez3.7K vistas
Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2 por MarketingAD
Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2 Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2
Método Simplex Mercadotecnia Análisis de Decisiones Equipo 2
MarketingAD2.1K vistas
09 cap. 7 - ejercicios resueltos por mauricio canepa
09   cap. 7 - ejercicios resueltos09   cap. 7 - ejercicios resueltos
09 cap. 7 - ejercicios resueltos
mauricio canepa1.2K vistas

Último

TAREA EVALUADA.pdf por
TAREA EVALUADA.pdfTAREA EVALUADA.pdf
TAREA EVALUADA.pdfMatematicaFisicaEsta
22 vistas2 diapositivas
Practica de curso Energía eléctrica conceptos y principios básicos.docx por
Practica de curso Energía eléctrica conceptos y principios básicos.docxPractica de curso Energía eléctrica conceptos y principios básicos.docx
Practica de curso Energía eléctrica conceptos y principios básicos.docxMarcoVinicioGaitanRo1
6 vistas2 diapositivas
PRUEBA C2-2021-10.pdf por
PRUEBA C2-2021-10.pdfPRUEBA C2-2021-10.pdf
PRUEBA C2-2021-10.pdfMatematicaFisicaEsta
30 vistas5 diapositivas
CURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdf por
CURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdfCURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdf
CURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdfFRANCISCOJUSTOSIERRA
18 vistas51 diapositivas
Portfolio 4 LAMM-PSARIANOS-MAILANDER.pdf por
Portfolio 4 LAMM-PSARIANOS-MAILANDER.pdfPortfolio 4 LAMM-PSARIANOS-MAILANDER.pdf
Portfolio 4 LAMM-PSARIANOS-MAILANDER.pdfFRANCISCOJUSTOSIERRA
9 vistas284 diapositivas
Mecanismos articulados de 4 barras.pdf por
Mecanismos articulados de 4 barras.pdfMecanismos articulados de 4 barras.pdf
Mecanismos articulados de 4 barras.pdfOmarTallaferro
12 vistas9 diapositivas

Último(20)

Practica de curso Energía eléctrica conceptos y principios básicos.docx por MarcoVinicioGaitanRo1
Practica de curso Energía eléctrica conceptos y principios básicos.docxPractica de curso Energía eléctrica conceptos y principios básicos.docx
Practica de curso Energía eléctrica conceptos y principios básicos.docx
CURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdf por FRANCISCOJUSTOSIERRA
CURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdfCURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdf
CURROS-MALA PRAXIS-VIOLACIONES LEY-BOICOT A10-TEST.pdf
Mecanismos articulados de 4 barras.pdf por OmarTallaferro
Mecanismos articulados de 4 barras.pdfMecanismos articulados de 4 barras.pdf
Mecanismos articulados de 4 barras.pdf
OmarTallaferro12 vistas
Hidroplaneo - Ironías Siniestras - Apaciguamimento OK.pdf por FRANCISCOJUSTOSIERRA
Hidroplaneo - Ironías Siniestras - Apaciguamimento OK.pdfHidroplaneo - Ironías Siniestras - Apaciguamimento OK.pdf
Hidroplaneo - Ironías Siniestras - Apaciguamimento OK.pdf
1. ESENCIAL ASV&RSV Interna&Externa&Simúlt&Obligat..pdf por FRANCISCOJUSTOSIERRA
1. ESENCIAL ASV&RSV Interna&Externa&Simúlt&Obligat..pdf1. ESENCIAL ASV&RSV Interna&Externa&Simúlt&Obligat..pdf
1. ESENCIAL ASV&RSV Interna&Externa&Simúlt&Obligat..pdf
Bloque 4 - semana 7.pdf por FSH67
Bloque 4 - semana 7.pdfBloque 4 - semana 7.pdf
Bloque 4 - semana 7.pdf
FSH679 vistas

Perceptrón Simple Corrección de Error

  • 1. PERCEPTRON SIMPLE MODELO DE APRENDIZAJE CORRECCIÓN DE ERROR EJEMPLO CON OR ESPECIAL (XOR) Determinar las entradas y salidas deseadas. OR ESPECIAL X1 X2 Y -1 -1 -1 1 -1 -1 -1 1 -1 1 1 1 Determinar los valores iniciales de los pesos, el umbral teta y el valor del error. PESO 1 0,5 PESO 2 1 TETA 0,5 ERROR 0,5
  • 2. Determinar la función de activación. F(V) 1 SI V > 0 -1 SI V = < 0 De acuerdo con la regla de aprendizaje :
  • 3. Iniciar a calcular. Para el primer par ordenado: 1 -1 -1 -1 resultado de cálculo -1 comparación con funcion de actuivación -1 Ok Comparación con la respuesta deseada El resultado realizado de acuerdo con la regla de aprendizaje es: -1, Se realiza seguidamente la comparación con la función de activación donde nos dice que si el valor obtenido en el cálculo de aprendizaje es mayor que cero, entonces aproxímese a 1 y que si el valor obtenido es menor o igual que cero, entonces aproxímese a -1. En este caso como el valor obtenido es -1, es decir que es menor que cero, por tanto se aproximará a -1. Finalmente comparamos esta aproximación con la salida esperada , si es igual podemos continuar evaluando los siguientes pares ordenados, de lo contrario de debe realizar la corrección del error. En este caso el valor de la aproximación es -1 y es igual a la salida deseada que es -1, por tanto procedemos a evaluar los siguientes pares ordenados.
  • 4. Para el segundo par ordenado: 2 1 -1 -1 0 -1 Ok Para el tercer par ordenado: 3 -1 1 -1 1 1 Recalcular El valor que se esperaba era un -1, por consiguiente se procede a realizar un re cálculo de pesos y volver a evaluar. A Continuación las fórmulas necesarias para realizar el re cálculo.
  • 6. Recalcular el valor de los pesos y el valor de teta: CORRECCIÓN DE ERROR Recalcular Pesos EN PASO 3 NEW PESO 1 1,5 NEW PESO 2 1 NEW TETA -0,5 Evaluar el tercer par ordenado con los nuevos valores obtenidos: 3 -1 1 -1 -1 -1 Ok Se obtuvo el valor deseado.
  • 7. Evaluar todos los pares ordenados con los valores de los nuevos pesos y el nuevo valor de teta. 4 1 1 1 2 1 Ok 1 -1 -1 -1 -3 -1 Ok 2 1 -1 -1 0 -1 Ok Al observar que el valor de los pesos y teta, permiten que las salidas esperadas por cada par ordenado correspondan, se dice que el algoritmos converge con: el valor de los pesos: 1,5 y 1. el valor de teta: -0,5.
  • 8. En síntesis tenemos: PESO 1 0,5 X1 X2 Y PESO 2 1 1 -1 -1 -1 TETA 0,5 2 1 -1 -1 ERROR 0,5 3 -1 1 -1 4 1 1 1 1 -1 -1 -1 com-p1aración con funcion de actuivación Cálculo -1 Ok Comparación con la respuesta deseada 2 1 -1 -1 0 -1 Ok 3 -1 1 -1 1 1 Recalcular CORRECCIÓN DE ERROR NEW PESO 1 1,5 NEW PESO 2 1 NEW TETA -0,5 3 -1 1 -1 -1 -1 Ok 4 1 1 1 2 1 Ok 1 -1 -1 -1 -3 -1 Ok 2 1 -1 -1 0 -1 Ok Recalcular Pesos EN PASO 3 FUNCIÓN DE ACTIVACIÓN RECALCULANDO CON LOS NUEVOS PESOS F(V) OR ESPECIAL 1 SI V > / -1 SI V = < 0