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

Regla de aprendizaje del perceptrón simple
Regla de aprendizaje del perceptrón simpleRegla de aprendizaje del perceptrón simple
Regla de aprendizaje del perceptrón simpleAndrea Lezcano
 
Muestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLabMuestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLabmarco calderon layme
 
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
 
Sección 2.6: Sistemas descritos mediante ecuaciones en diferencias
Sección 2.6: Sistemas descritos mediante ecuaciones en diferenciasSección 2.6: Sistemas descritos mediante ecuaciones en diferencias
Sección 2.6: Sistemas descritos mediante ecuaciones en diferenciasJuan Palacios
 
Construccion , Diseño y Entrenamiento de Redes Neuronales Artificiales
Construccion , Diseño y Entrenamiento de Redes Neuronales ArtificialesConstruccion , Diseño y Entrenamiento de Redes Neuronales Artificiales
Construccion , Diseño y Entrenamiento de Redes Neuronales ArtificialesESCOM
 
RED NEURONAL Backpropagation
RED NEURONAL BackpropagationRED NEURONAL Backpropagation
RED NEURONAL BackpropagationESCOM
 
Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...
Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...
Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...nica2009
 
Sección 2.7 Correlación de señales discretas en el tiempo
Sección 2.7 Correlación de señales discretas en el tiempoSección 2.7 Correlación de señales discretas en el tiempo
Sección 2.7 Correlación de señales discretas en el tiempoJuan Palacios
 
Señales de tiempo continuo y discreto MATLAB
Señales de tiempo continuo y discreto MATLABSeñales de tiempo continuo y discreto MATLAB
Señales de tiempo continuo y discreto MATLABJose Agustin Estrada
 
Estabilidad de sistemas discretos
Estabilidad de sistemas discretosEstabilidad de sistemas discretos
Estabilidad de sistemas discretosingangelp
 
Utp pds_s7y8_dft y fft
 Utp pds_s7y8_dft y fft Utp pds_s7y8_dft y fft
Utp pds_s7y8_dft y fftjcbenitezp
 
REDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGREDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGESCOM
 
Perceptrón simple y multicapa
Perceptrón simple y multicapaPerceptrón simple y multicapa
Perceptrón simple y multicapaJefferson Guillen
 
Unidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIA
Unidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIAUnidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIA
Unidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIADavinso Gonzalez
 
Configuracion de multivibradores
Configuracion de multivibradoresConfiguracion de multivibradores
Configuracion de multivibradoresCristian Peña
 
redes neuronales Kohonen
redes neuronales Kohonenredes neuronales Kohonen
redes neuronales KohonenESCOM
 

La actualidad más candente (20)

Regla de aprendizaje del perceptrón simple
Regla de aprendizaje del perceptrón simpleRegla de aprendizaje del perceptrón simple
Regla de aprendizaje del perceptrón simple
 
Muestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLabMuestreo y cuantificación de una señal analógica con MatLab
Muestreo y cuantificación de una señal analógica con MatLab
 
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
 
Sección 2.6: Sistemas descritos mediante ecuaciones en diferencias
Sección 2.6: Sistemas descritos mediante ecuaciones en diferenciasSección 2.6: Sistemas descritos mediante ecuaciones en diferencias
Sección 2.6: Sistemas descritos mediante ecuaciones en diferencias
 
Construccion , Diseño y Entrenamiento de Redes Neuronales Artificiales
Construccion , Diseño y Entrenamiento de Redes Neuronales ArtificialesConstruccion , Diseño y Entrenamiento de Redes Neuronales Artificiales
Construccion , Diseño y Entrenamiento de Redes Neuronales Artificiales
 
RED NEURONAL Backpropagation
RED NEURONAL BackpropagationRED NEURONAL Backpropagation
RED NEURONAL Backpropagation
 
Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...
Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...
Lecture 21 detección de códigos de redundancia cíclicos. probabilidad de erro...
 
Series de fourier
Series de fourierSeries de fourier
Series de fourier
 
Sección 2.7 Correlación de señales discretas en el tiempo
Sección 2.7 Correlación de señales discretas en el tiempoSección 2.7 Correlación de señales discretas en el tiempo
Sección 2.7 Correlación de señales discretas en el tiempo
 
Señales de tiempo continuo y discreto MATLAB
Señales de tiempo continuo y discreto MATLABSeñales de tiempo continuo y discreto MATLAB
Señales de tiempo continuo y discreto MATLAB
 
Estabilidad de sistemas discretos
Estabilidad de sistemas discretosEstabilidad de sistemas discretos
Estabilidad de sistemas discretos
 
Utp pds_s7y8_dft y fft
 Utp pds_s7y8_dft y fft Utp pds_s7y8_dft y fft
Utp pds_s7y8_dft y fft
 
Final1 tomasi
Final1 tomasiFinal1 tomasi
Final1 tomasi
 
Subrutinas de retardo
Subrutinas de retardoSubrutinas de retardo
Subrutinas de retardo
 
REDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMINGREDES NEURONALES COMPETITIVAS HAMMING
REDES NEURONALES COMPETITIVAS HAMMING
 
Perceptrón simple y multicapa
Perceptrón simple y multicapaPerceptrón simple y multicapa
Perceptrón simple y multicapa
 
Guía de Ondas Cilindrica
Guía de Ondas CilindricaGuía de Ondas Cilindrica
Guía de Ondas Cilindrica
 
Unidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIA
Unidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIAUnidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIA
Unidad 3 c2-control/DISCRETIZACION DE FUNCIONES DE TRANSFERENCIA
 
Configuracion de multivibradores
Configuracion de multivibradoresConfiguracion de multivibradores
Configuracion de multivibradores
 
redes neuronales Kohonen
redes neuronales Kohonenredes neuronales Kohonen
redes neuronales Kohonen
 

Similar a Perceptron Simple y Regla Aprendizaje

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
 
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
 
Ebook
EbookEbook
Ebook
 

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