Ejercicio De Una Red Art
•Descargar como DOC, PDF•
0 recomendaciones•175 vistas
Ejercicio De Una Red Art
Recomendados
Más contenido relacionado
Similar a Ejercicio De Una Red Art
Más de ESCOM
Más de ESCOM (20)
Ejercicio De Una Red Art
- 1. EJERCICIO DE UNA RED ART Entrene una red ART con los siguientes valores de entrada. 0 1 1 3 0 0 1 2 0 1 0 1 PPP Use los parámetros ζ=2, ρ=.6 s2 =3 (3 categorias) = = == + = + = 1 1 1 1 1 1 1 1 1 25. 25. 25. 25. 25. 25. 25. 25. 25. 25. 4 1 31 1 1 1 ij V ij W Nij W ITERACIÓN 1: 1.- Se calcula la respuesta de la capa 1 === 0 1 0 1 11 PaPa 2.- Se calcula la entrada a la capa 2
- 2. = == 25. 25. 25. 0 1 0 25. 25. 25. 25. 25. 25. 25. 25. 25. 1 * 2 a ij Wa Se activa la neurona con el valor mayor; o en este caso puesto que todos los valores son iguales se activa la del índice menor = 0 0 1 2 a 3.- Se calcula el valor esperado = == 1 1 1 0 0 1 1 1 1 1 1 1 1 1 1 2 *a ji V j V 4.- Se ajusta la salida a1 para incluir el valor esperado L2-L1
- 3. = ∩ =∩= 0 1 0 1 1 1 0 1 0 1 1 j VPa 5.- El subsistema de orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada. < = adeotraform aSi a 0 21 1 0 ρ 1 2 0 2 1 2 0 1 1 2 0 2 1 2 0 1 6.1 1 1 2 2 1 1 =++= =++= =>== P a p a ρ 6.- a0 =0 por lo que sé continuo con el paso 7 7.- Ocurre la resonancia, se actualiza la fila j de Wij
- 4. 1 21 1 −+ = a a ij jW ζ ζ = == −+ = 25. 25. 0 25. 25. 1 25. 25. 0 0 1 0 1 112 1 2 ij W a a ij jW 8.- Se actualiza la columna j de Vij === 110 111 110 1 ij Va j V 9.- Removemos el patrón de entrada, restablecemos todas las neuronas inhibidas en la capa 2 y regresamos al paso 1 con un nuevo patrón de entrada. ITERACIÓN 2: 1.- Se presenta P2 === 0 0 1 2 11 PaPa 2.- Calculamos la entrada a la capa 2 = == 25. 25. 0 0 0 1 25. 25. 0 25. 25. 1 25. 25. 0 1 * 2 a ij Wa Se elige la neurona 2 como ganadora
- 5. = 0 1 0 2 a 3.- Se calcula el valor esperado L2-L1 = == 1 1 1 0 1 0 1 1 1 1 1 1 0 1 0 2 *a ji V j V 4.- Se ajusta la salida de la capa 2 para incluir el valor esperado. = ∩ =∩= 0 0 1 1 1 1 0 0 1 2 1 j VPa 5.- El subsistema de orientación determina el valor esperado y el patrón de entrada. 6.1 1 1 2 2 2 1 =>== ρ p a 6.- a0 =0 y se continua con el paso 7 7.- Ocurre la resonancia, se actualiza el fija j de Wij
- 6. = == −+ = 25. 0 0 25. 0 1 25. 1 0 0 0 1 1 112 1 2 ij W a a ij jW 8.- Se actualiza la columna j de Vij === 100 101 110 1 ij Va j V 9.- Restablecemos todas las neuronas inhibidas y regresamos al paso 1 con un nuevo patrón. ITERACIÓN 3: 1.- Se presenta el patrón de entrada P3 === 0 1 1 3 11 PaPa 2.- Se calcula la entrada a la capa 2 = == 5. 1 1 0 1 1 25. 0 0 25. 0 1 25. 1 0 1 * 2 a ij Wa Se activa la neurona en la capa 2 con la entrada más grande si no se toma el del índice mas pequeño.
- 7. = 0 0 1 2 a 3.- Se calcula el valor esperado L2-L1 = == 0 1 0 0 0 1 1 1 1 0 0 1 0 1 0 2 *a ji V j V 4.- La capa 2 esta activada, se ajusta la salida de la capa para incluir el valor esperado. = ∩ =∩= 0 1 0 0 1 0 0 1 1 3 1 j VPa 5.- El subsistema de orientación determina el grado de comparación entre el valor esperado y el patrón de entrada. 6.5. 2 1 2 2 3 1 =<== ρ p a 6.- a0 =1 se ajusta a2 1=0, se inhibe la primera neurona y se regresa al paso 1. 1.- Se presenta el patrón de entrada P3
- 8. === 0 1 1 3 11 PaPa 2.- Se calcula la entrada a la capa 2 = == 5. 1 1 0 1 1 25. 0 0 25. 0 1 25. 1 0 1 * 2 a ij Wa Se activa la neurona en la capa 2 con la entrada más grande recordar que a2 =0 esta inhibida por que la neurona ganadora es la siguiente. = 0 1 0 2 a 3.- Calculamos el valor esperado L2-L1, la neurona j de la capa 2 esta activada. = == 0 0 1 0 1 0 1 1 1 0 0 1 0 1 0 2 *a ji V j V 4.- Se ajusta la salida de la capa 1 para incluir el valor esperado L2-L1
- 9. = ∩ =∩= 0 0 1 0 0 1 0 1 1 3 1 j VPa 5.- El subsistema de orientación determina el grado de comparación entre el valor esperado y el patrón de entrada. 6.5. 2 1 2 2 3 1 =<== ρ p a 6.- a0 =1 se ajusta a2 2=0, se inhibe la primera neurona y se regresa al paso 1. 1.- Se presenta el patrón de entrada P3 === 0 1 1 3 11 PaPa 2.- Se calcula la entrada a la capa 2 = == 5. 1 1 0 1 1 25. 0 0 25. 0 1 25. 1 0 1 * 2 a ij Wa Se activa la neurona con el valor grande recordar que a2 1=0, a2 2=0 están inhibidas por lo que solo queda a2 3=1
- 10. = 1 0 0 2 a 3.- Calculamos el valor esperado = == 1 1 1 1 0 0 1 1 1 0 0 1 0 1 0 2 *a ji V j V 4.- Se ajusta la salida de la capa 1 para incluir el valor esperado L2-L1 = ∩ =∩= 0 1 1 1 1 1 0 1 1 3 1 j VPa 5.- El subsistema de orientación determina el grado de comparación entre el valor esperado y el patrón de entrada. 6.1 2 2 2 2 3 1 =>== ρ p a 6.- a0 =0 y se continua con el paso 7 7.- Ocurre la resonancia, se actualiza el fija j de Wij
- 11. = == −+ = 0 0 0 32 0 1 32 1 0 0 3 2 3 2 1 3 2 122 1 2 ij W a a ij jW 8.- Se actualiza la columna j de Vij === 000 101 110 1 ij Va j V Los valores finales de las matrices son = = 000 101 110 03232 001 010 ij V ij W