Este documento describe las funciones de activación y el cálculo de la salida en redes neuronales artificiales. Explica que la salida de una neurona depende de tres funciones: propagación, activación y transferencia. Detalla diferentes funciones de transferencia como escalón, lineal y no lineal. Además, presenta ejemplos de cómo calcular la salida de redes monocapa y multicapa usando estas funciones y proporciona instrucciones para que los estudiantes realicen ejercicios y desarrollen un informe del laboratorio.

1. SISTEMAS INTELIGENTES Y REDES NEURONALES
FUNCIONES DE ACTIVACION Y CÁLCULO DE LA SALIDA
DE LAS REDES NEURONALES ARTIFICIALES
LABORATORIO No. 1
OBJETIVO:
Revisar el concepto y aplicación de las diferentes funciones que representan a
las RNAs.
Graficar las diferentes funciones de activación utilizados usualmente en RNAs.
Revisar el método del cálculo de las salidas de las RNAs.
Hallar la salida de RNAs.
RESUMEN TEORICO
1. FUNCIONES QUE REPRESENTAN A LAS RNAS:
La salida de una neurona viene dada por tres funciones:
a. Una función de propagación.
b. Una función de activación.
c. Una función de transferencia.
a. Una función de propagación.
• También es conocida como función de excitación.
• Consiste en la sumatoria de cada entrada multiplicada por el peso de su
interconexión (valor neto).
• Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se
denomina inhibitoria.
b. Una función de activación
• La función de activación, modifica a la función de propagación.

2. • Puede no existir, siendo en este caso la salida la misma función de
propagación.
c. Función de transferencia
• La función de transferencia, se aplica al valor devuelto por la función de
activación.
Por lo general se utiliza indistintamente la función de transferencia con la función
de activación (FT).
Como función de transferencia se usan generalmente las siguientes funciones:
- Escalón: hardlim, hardlims
- Lineal: purelin
- No lineal: radbas, logsig, tansig,
- Competitiva: compet
- Saturación: satlin, satlins
2. CALCULO DE LA SALIDA DE LAS RNAS:
Calcular las salidas de la RNA cuya función de
transferencia es hardlim:
Datos: Entradas I = [i1; i2], pesos W=[w11 w12; w21 w22]
y bias b=[b1; b2]
Función de propagación de la Np1 (Salida O1’) y de la Np2 (Salida O2’):
O1’ = I1w11 + I2 w21 + b1
O2’ = I1w12 + I2 w22 + b2
Salida de la Np1 (Salida O1) y de la Np2 (Salida O2’):
O1= hardlim(O1’) = hardlim(I1w11 + I2 w21 + b1)
O2 = hardlim(O2’) = hardlim(I1w12 + I2 w22+ b2)
La salida matricial puede calcularse matricialmente:
O = hardlim(W’I+B)
Donde:
W es la matriz d pesos, I es la matriz de las entradas, y B es la matriz de bias
acondicionada a I.
Dando valores a las matrices:
I = [1 -1.5 2 -2.5 3; -1 1.5 -2 2.5 -3], W = [-2 -1; 1 2] y b=[-1; 2].
O = hardlim(W’I + b) = [0 1 0 1 0; 0 1 0 1 0]

3. PROCEDIMIENTO
1. Implementar funciones que implementen cada una de las funciones de activación
(nueve funciones) estudiadas, utilizando su función generatriz (no usar los
comandos del Matlab, tales como hardlim, hardlim, purelin, etc.).
Ejemplo:
fHardlims(x)
x es el vector a aplicar la función Hardlims.
La función fHardlim debe graficar el vector x en color rojo y el resultado de la
aplicación de la función de activación en color azul sobre el mismo gráfico.
2. Diseñar una red monocapa de 10 neuronas y 5 neuronas procesadoras, cuya
función de transferencia es hardlims. Proporcionar los valores necesarios y hallar
la salida de la red. Cada entrada es un vector de 10 números enteros aleatorios
con valores comprendidos entre -5 y 5. No olvidarse de las bias.
3. Diseñar una red tricapa de 31 neuronas, de las que 21 son procesadoras. Las
neuronas procesadoras de la salida son 3 menos que la capa oculta, y la primera
capa procesadora oculta tiene 2 neuronas procesadoras más que la segunda. La
función de transferencia de la primera capa procesadora es igual al de la última;
ambas son hardlims. Proporcionar los valores necesarios y hallar la salida de la
red. Cada entrada es un vector de 15 números reales aleatorios con valores
comprendidos entre -1.5 y 1.5. No olvidarse de las bias.
4. Plantear un ejercicio de diseño similar a los anteriores 2 y 3), con datos y valores
diferentes; y hallar la salida.
5. Graficar la salida cuando a las señales dadas se les aplica las funciones de
transferencia escalón, no lineal, saturación y competitiva:
a. Señales: unidimensionales, bidimensional y tridimensionales.
b. Señales:
i. Un sonido en mono (su nombre) centrado sobre el eje vertical,
ii. Una imagen en escala de grises (su foto) centrado en el eje vertical.
6. Hallar la salida de la siguiente RNA utilizando cada una de las funciones de
transferencia escalón, no lineal, saturación y competitiva:
Datos:
a. Entradas I = [2 3 -1; -1 -3 2; 2 0 -1], W = [-2 -1; 3
2;-1 -2] y b= [1.5; -2].
b. Entradas I = [-1:3; -2:2; -3:1], W = [1 -2; 2 3; 2 -1]
y b= [-1, -1.5].
c. Entradas I = [cos(-1:0.5:3); sin(-2:0.5:2); tan(-
3:0.5:1)], W = [-1 2; 2 3; -2 1] y b =[-1.5, -1.5].
INFORME FINAL
El Informe de Laboratorio es un documento gráfico en lo posible y es redactado en
Word con el desarrollo del cuestionario del laboratorio. Contiene observaciones y
comentarios. No debe contener códigos. Los códigos se adjuntan en archivos *.m

4. (del matlab) dentro de la carpeta de su laboratorio. En el Informe solo se hace
referencia a los códigos.
Niveles de Informe:
• Primer nivel: Observaciones. Redactar al ir desarrollando el laboratorio.
Imágenes con comentarios cortos. Comentarios a los scripts y funciones con
referencias a los números de línea de los scrips.
• Segundo nivel: Conclusiones. Redactar al terminar el laboratorio.
• Tercer Nivel: Recomendaciones. Requiere la lectura de otras fuentes.
Dentro de su Carpeta Personal del Dropbox crear una carpeta para el Laboratorio 1
con el siguiente formato de nombre:
SIRN_PaternoM_L1
Esta carpeta debe contener:
- El Informe de Laboratorio,
- Los códigos( archivos *.m comentados),
- Las fuentes y
- Recursos utilizados (imágenes y sonidos).
Las fuentes deben conservar el nombre original de archivo y se debe agregar en su
nombre “_L1” al final.
CUESTIONARIO
1. Muestre los resultados de:
a. Los ejercicios planteados por el profesor en el laboratorio y
b. Los procedimientos.
2. Crear tres RNA tricapa y utilice funciones de activación diferentes, una para cada
capa procesadora, proporcione las entradas vectoriales de 5 valores, las bias y
halle la salida de cada una de las RNA, indicando si sus salidas son excitatorias o
inhibitorias.
NOTA:
- Si en el Informe del Laboratorio se encuentra un ejercicio copiado total o
parcialmente la nota del Laboratorio será CERO.
- Los laboratorios presentados fuera del plazo establecido tendrán nota NS.
FUNCIONES DE MATLAB: Deben utilizarse en éste laboratorio.
random, rand, randi, plot, plot3, stem, wavrecord, wavread, wavwrite, wavplay, imread,
imwrite, imshow y las FT.