Este documento presenta el plan de trabajo para la primera práctica de una asignatura sobre sistemas inteligentes y redes neuronales. Incluye instrucciones para graficar diferentes funciones lógicas y patrones de aprendizaje, dibujar redes neuronales de una y múltiples capas, calcular las salidas de una red dada, entrenar redes y representarlas mediante matrices. El objetivo es familiarizarse con conceptos básicos de inteligencia artificial y redes neuronales.
1. FACULTAD DE INGENIERA ELECTRONICA Y MECATRONICA
INGENIERIA MECATRONICA
Ciclo. 2012-2. Prof. Ing. José C. Benítez P.
SI01 SISTEMAS INTELIGENTES Y REDES NEURONALES
BALOTARIO DE LA PRIMERA PRÁCTICA
1. Introducción a la IA y a las RNA.
a. Graficar los patrones de aprendizaje de las funciones lógicas. Verificar si son linealmente separables:
§ OR
§ NOT
§ XNOR
§ ~CONDICIONAL
§ ~BICONDICIONAL
§ El siguiente patrón de aprendizaje:
X1 X2 X3 D1 D2
-0.5 -1.0 -1.5 1 0
1.0 1.0 -1 1 1
1.0 0.5 -0.5 0 1
-1.0 -0.5 0 0 0
-1.0 -1.0 0.5 1 1
0.5 1.0 1.5 1 1
b. Graficar los patrones de aprendizaje de las funciones lógicas. Verificar si son linealmente separables:
§ X1 X2 D
§ -0.5 -1.0 1
§ 1.0 1.0 1
§ 1.0 0.5 0
§ -1.0 -0.5 0
§ -1.0 -1.0 1
§ 0.5 1.0 1
2. RNA.
a. Dibujar una RNA con tres capas y cinco capas procesadoras. ¡Cuáles son las capas de la RNA?.
b. Dibujar una RNA de una capa y una multicapa, y explique sus características.
c. En la RNA dada con los pesos proporcionados. Hallar la salida.
Considerar:
fT = hardlims
pi = [-2 2; 2 1; 2 -1]
wij = [1 1 -1; 2 -1 -2; -1 2 -1]
Nota: Wij es el peso de la entrada i hacia la UP j.
d. Entrenar la RNA. Hallar Wij es el peso de la entrada i hacia la UP j. ¿Aprende la RNA?
Considerar:
fT = hardlim
pi = [-1 1; -1 1;2 -2]
oij = [1 1; 0 1; 1 1]
f. Represente la siguiente RNA:
o La RNA tiene 11 neuronas y 08 UPs.
o Tres CPs,
o En la capa oculta hay 05 UPs.
o La primera CP tiene una UP más que la segunda.
o Escriba sus matrices representativas.
2. g. En la RNA proporcionada ¿La red aprende?:
Considerar:
La neuronas de salida tienen bias b1=2 y b2=-1 respectivamente.
fT = harlims
pi = [1 1;-1 2; 2 1; 2 -1]
wij = [1 -1;-1 1; -2 2;-1 1]
Nota: Wij es el peso de la neurona i hacia la neurona j de la siguiente capa.
h. Entrenar la red Perceptron. Hallar Wij es el peso de la entrada i hacia la UP j. ¿Aprende la RNA?
Considerar:
fT = hardlim
pi = [1 1;-1 1; 2 2;1 -1]
oij = [1 1;1 0; 0 1;0 1]
*UTP/FIEM/SIRN/ /JCBP/20-09-12