El documento describe un proyecto para demostrar la usabilidad del algoritmo de retropropagación en redes neuronales mediante una aplicación de reconocimiento de patrones. La aplicación utilizará una red neuronal multicapa con algoritmo de retropropagación para reconocer dígitos y letras mediante la entrada de un patrón de píxeles y la comparación con patrones aprendidos.

1. POR:
 Gina Paola
Garzón

2. Demostrar la usabilidad del modelo de aprendizaje de retro propagación
para redes neuronales supervisadas, por medio una aplicación de
reconocimiento de patrones.
1. Conocer la arquitectura del perceptrón multicapa.
2. Entender el algoritmo de retro propagación.
3. Analizar, identificar y determinar los patrones requeridos.
4. Diseñar red neuronal con el uso del algoritmo de retro propagación.
5. Desarrollar e implementar la aplicación de software.

3. Se caracteriza porque tiene sus neuronas agrupadas en capas
de diferentes niveles.

4. REDES NEURONALES
PERCEPTRON
SIMPLE MULTICAPA
ALGORITMO DE
APRENDIZAJE SUPERVISADO
RETRO PROPAGACIÓN
TIENE CAPAS
ENTRADA
F
SALIDA
OCULTA
TIENE UNA LISTA
LETRAS Y
NUMERIOS
ES TOMADA DE
BITS DE LA
IMÁGEN A RECONOCER
SUBCAPA
FUNCION DE
TRANSFERENCIA
NEURONAS
PESO
TIENE n

5. Requiere conocer las salidas en un
determinado momento de tiempo para
poder actualizar los pesos de las neuronas,
esta red permite que presentando
una serie de valores arbitrarios, la red
tienda a reconocer el patrón tras haber
aprendido de patrones anteriores, incluso
si nunca antes ha visto al patrón de
entrada
Esta red aprende de un conjunto de
valores dados y posteriormente aprende
reconocer patrones nunca antes
presentados a la red, es decir asemeja los
patrones de entrada, con los patrones que
haya visto anteriormente.

6. 1. La red aprende conjunto de datos dados en formas como par entrada-salida.
2. Emplea un ciclo de propagación dado para el primer conjunto datos
correspondientes a la entrada se propagan por la red hacia las
neuronas ocultas y luego hasta llegar a la salida.
3. Se obtiene una señal de la fase de propagación.
4. Ésta señal obtenida se compara con la salida deseada haciendo cálculo
del error para cada neurona de salida.
5. Con el error obtenido se puede hacer un recálculo de los pesos qu8e
se empiezan a trasmitir hacia atrás de forma cíclica hasta obtener la
salida deseada, de ahí el nombre del algoritmo.

7. Programa de reconocimiento
de números y letras usando el
algoritmo de retro
propagación.

8. 1. Definición de caracteres de aprendizaje (10 dígitos y 27
letras de alfabeto).
2. Diseño de red neuronal: 5 neuronas de entrada, 3
neuronas ocultas y 5 neuronas de salida.
3. Definición de interfaz de usuario: Un tablero segmentado
de 5x5, lista desplegable de caracteres, botones de
peticiones y cuadro de vista de resultados.

9. 9
10
11
12
1
2
6
3
4
7
8
13 5

10. 9
10
11
12
1
2
U6
6
3
U4
4
W16
W17
W18
W26
W27
W47
W48
U2
W46
U7
7
8
W28
W36
W37
W38
U3
U8
13
W56 U5
W57
W58
W66
W11
W22
W33
W55
W77
W88
W610
W69
W79
W89
W710
W810
W611
W711
W811
W813
W612
W613
W713
W812
W712
5
W44