SlideShare una empresa de Scribd logo
Ing. José C. Benítez P.
Sistemas Inteligentes y
Redes Neuronales Artificiales
(SI01)
Funciones de activación de las RNAs
Laboratorio: 1
Objetivo
Fundamento teórico: Funciones de las RNA.
Funciones de Activación
Tarea
Informe de Laboratorio
Funciones de activación de las RNAs
2
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.
3
Fundamento teórico
Funciones que representan a las RNAs:
La salida de una neurona viene dada por tres funciones:
1. Una función de propagación
2. Una función de activación
3. Una función de transferencia
1
e
Salida
Capa de
Salida
Y
4
1. 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.
2. Una función de activación
• La función de activación, modifica a la función de propagación.
• Puede no existir, siendo en este caso la salida la misma función
de propagación.
3. Función de transferencia
• La función de transferencia, se aplica al valor devuelto por la
función de activación.
Fundamento teórico
5
Funciones de activación
Función de transferencia de las RNA
Como función de transferencia se usan generalmente las siguientes
funciones:
- Escalón
- Lineal
- No lineal
- Competitiva
- Saturación
6
a) Función de activación Escalón.
Utilizada en redes Perceptron.
7
Se obtiene salidas de valores [0,1].
Se usa el comando:
>>Y=hardlim(v)
Ejemplo:
>>v=-10:0.5:10;
>>subplot(121), plot(v);
>>subplot(122), stem(v);
>>O=hardlim(v);
>>subplot(121), plot(v,O)
>>subplot(122), stem(v,O)
>>m=[-5:0.5:5;-4:0.5:6];
>>O=hardlim(m);
>>subplot(121), plot(v,O)
>>subplot(122), stem(v,O)
>>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7];
>>O=hardlim(m2);
>>subplot(121), plot(v,O)
>>subplot(122), stem(v,O)
b) Función de activación Escalón.
Utilizada en redes Perceptron.
8
Se obtiene salidas de valores [-1,1].
Se usa el comando:
>>Y=hardlims(v)
Ejemplo:
>>v=-10:0.5:10;
>>subplot(121), plot(v);
>>subplot(122), stem(v);
>>O=hardlims(v);
>>subplot(121), plot(v,O)
>>subplot(122), stem(v,O)
>>m=[-5:0.5:5;-4:0.5:6];
>>O=hardlims(m);
>>subplot(121), plot(v,O)
>>subplot(122), stem(v,O)
>>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7];
>>O=hardlims(m2);
>>subplot(121), plot(v,O)
>>subplot(122), stem(v,O)
9
Para las siguientes funciones de
activación utilizar los vectores de
entrada mostrados:
>>v=-10:0.5:10;
>>m=[-5:0.5:5;-4:0.5:6];
>>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7];
Graficar las entradas y las salidas
respectivamente.
10
c) Función de activación Lineal.
Utilizada en redes adaline o en la última capa de las MLP.
La salida es igual que la
entrada, se obtiene con el
comando:
>>Y=purelin(v)
d) Función de activación Gaussiana.
Utilizada en redes de base radial
La respuesta es de una función
gaussiana, utilizamos el comando :
>>Y=radbas(v)
11
Para la salida [-1,1], función
tangente sigmoidal
hiperbólica, utilizamos el
comando :
>>Y=tansig(v)
e) Función de activación no Lineal.
Para la salida [0,1], función
sigmoide logaritmica,
utilizamos el comando :
>>Y=logsig(v)
12
f) Función de activación Saturación.
Utilizada en las redes Hopfield
Para la salida de valores [0,1],
utilizamos el comando :
>>Y=satlin(v)
Para la salida de valores [-1,1],
utilizamos el comando :
>>Y=satlins(v)
13
Tarea
Utilizar vectores cuadráticos, rampa, ruido y pulso
(cada una centrado en el eje Y) para cada una de las
funciones de activación desarrolladas en este
laboratorio. Mediante MatLab graficar el vector de
entrada y la salida.
Informe de Laboratorio
El Informe de Laboratorio es un documento gráfico en lo posible
y es redactado en Word con el desarrollo del laboratorio.
Niveles de Informe:
Primer nivel: Observaciones. Imágenes con comentarios
cortos. Redactar al ir desarrollando el laboratorio. (Requiere
desarrollar el laboratorio).
Segundo nivel: Conclusiones. Redactar al terminar el
laboratorio.(Requiere haber desarrollado el laboratorio).
Tercer Nivel: Recomendaciones. (Requiere lectura de otras
fuentes).
Dentro de su Carpeta Personal del Dropbox crear una carpeta
para el laboratorio 1 con el siguiente formato:
SIRN_PaternoM_Lab1
Adjuntar fuentes que le han ayudado en esta carpeta creada.
Las fuentes deben conservar el nombre original de archivo y se
debe agregar _L1 al final.
Presentar el Informe de Laboratorio 1 en esta carpeta creada.
14
Lab1. Funciones de activación de las RNAs.
http://utpsirn.blogspot.com
15

Más contenido relacionado

La actualidad más candente

Utp ia_2014-2_s10_redes de funciones de base radial
 Utp ia_2014-2_s10_redes de funciones de base radial Utp ia_2014-2_s10_redes de funciones de base radial
Utp ia_2014-2_s10_redes de funciones de base radial
jcbp_peru
 
Utp ia_2015-1 lab1
 Utp ia_2015-1 lab1 Utp ia_2015-1 lab1
Utp ia_2015-1 lab1
jcbp_peru
 
Utp 2015-2_ia_s6_adaline y backpropagation
 Utp 2015-2_ia_s6_adaline y backpropagation Utp 2015-2_ia_s6_adaline y backpropagation
Utp 2015-2_ia_s6_adaline y backpropagation
jcbp_peru
 
Utp 2015-2_ia_s4_red perceptron
 Utp 2015-2_ia_s4_red perceptron Utp 2015-2_ia_s4_red perceptron
Utp 2015-2_ia_s4_red perceptron
jcbp_peru
 
Utp 2015-2_ia lab2
 Utp 2015-2_ia lab2 Utp 2015-2_ia lab2
Utp 2015-2_ia lab2
jcbp_peru
 
REDES NEURONALES Base Radial
REDES NEURONALES Base RadialREDES NEURONALES Base Radial
REDES NEURONALES Base Radial
ESCOM
 
6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control
6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control
6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control
Tifa Niki
 
Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...
Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...
Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...
Tribunal Electoral Provincia de Misiones
 
Utp sirn_sl4 la rna perceptron
 Utp sirn_sl4 la rna perceptron Utp sirn_sl4 la rna perceptron
Utp sirn_sl4 la rna perceptron
c09271
 

La actualidad más candente (19)

Purelin y poslin
Purelin y poslinPurelin y poslin
Purelin y poslin
 
Utp ia_2014-2_s10_redes de funciones de base radial
 Utp ia_2014-2_s10_redes de funciones de base radial Utp ia_2014-2_s10_redes de funciones de base radial
Utp ia_2014-2_s10_redes de funciones de base radial
 
Cálculo de variación de voltaje con función purelin y variación de velocidad ...
Cálculo de variación de voltaje con función purelin y variación de velocidad ...Cálculo de variación de voltaje con función purelin y variación de velocidad ...
Cálculo de variación de voltaje con función purelin y variación de velocidad ...
 
Utp ia_2015-1 lab1
 Utp ia_2015-1 lab1 Utp ia_2015-1 lab1
Utp ia_2015-1 lab1
 
Utp 2015-2_ia_s6_adaline y backpropagation
 Utp 2015-2_ia_s6_adaline y backpropagation Utp 2015-2_ia_s6_adaline y backpropagation
Utp 2015-2_ia_s6_adaline y backpropagation
 
Utp 2015-2_ia_s4_red perceptron
 Utp 2015-2_ia_s4_red perceptron Utp 2015-2_ia_s4_red perceptron
Utp 2015-2_ia_s4_red perceptron
 
Utp 2015-2_ia lab2
 Utp 2015-2_ia lab2 Utp 2015-2_ia lab2
Utp 2015-2_ia lab2
 
REDES NEURONALES Base Radial
REDES NEURONALES Base RadialREDES NEURONALES Base Radial
REDES NEURONALES Base Radial
 
6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control
6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control
6498785 introduccion-a-matlab-y-simulink-para-sistemas-de-control
 
Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...
Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...
Implementacion de la funcion logica xor, mediante un modelo neuronal y el alg...
 
Practica 7 Flip Flop
Practica 7 Flip FlopPractica 7 Flip Flop
Practica 7 Flip Flop
 
Aprendizaje de un perceptrón simple
Aprendizaje de un perceptrón simpleAprendizaje de un perceptrón simple
Aprendizaje de un perceptrón simple
 
Utp sirn_sl4 la rna perceptron
 Utp sirn_sl4 la rna perceptron Utp sirn_sl4 la rna perceptron
Utp sirn_sl4 la rna perceptron
 
Funciones satlin y satlins
Funciones satlin y satlinsFunciones satlin y satlins
Funciones satlin y satlins
 
Perceptron parte 2
Perceptron parte 2Perceptron parte 2
Perceptron parte 2
 
Tema 3 transformada_z
Tema 3 transformada_zTema 3 transformada_z
Tema 3 transformada_z
 
Actividad no13 y_14_de_2do_parcial
Actividad no13 y_14_de_2do_parcialActividad no13 y_14_de_2do_parcial
Actividad no13 y_14_de_2do_parcial
 
Logica secuencial
Logica secuencialLogica secuencial
Logica secuencial
 
Lógica secuencial asignatura electrónica digital para ingeniería electromecánica
Lógica secuencial asignatura electrónica digital para ingeniería electromecánicaLógica secuencial asignatura electrónica digital para ingeniería electromecánica
Lógica secuencial asignatura electrónica digital para ingeniería electromecánica
 

Similar a redes neuronales funciones

Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
jcbenitezp
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
jcbenitezp
 
Utp sirn_2015-1 lab1
 Utp sirn_2015-1 lab1 Utp sirn_2015-1 lab1
Utp sirn_2015-1 lab1
jcbp_peru
 
Utp sirn_2015-2 lab1
 Utp sirn_2015-2 lab1 Utp sirn_2015-2 lab1
Utp sirn_2015-2 lab1
jcbp_peru
 
Utp ia_sl4 la rna perceptron
 Utp ia_sl4 la rna perceptron Utp ia_sl4 la rna perceptron
Utp ia_sl4 la rna perceptron
jcbenitezp
 
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLABMatlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
ESCOM
 
Utp sirn_s6_adaline y backpropagation
 Utp sirn_s6_adaline y backpropagation Utp sirn_s6_adaline y backpropagation
Utp sirn_s6_adaline y backpropagation
jcbp_peru
 
Utp 2015-2_sirn_s6_adaline y backpropagation
 Utp 2015-2_sirn_s6_adaline y backpropagation Utp 2015-2_sirn_s6_adaline y backpropagation
Utp 2015-2_sirn_s6_adaline y backpropagation
jcbenitezp
 
Utp sirn_2014-1 lab1
 Utp sirn_2014-1 lab1 Utp sirn_2014-1 lab1
Utp sirn_2014-1 lab1
jcbenitezp
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
gueste7b261
 

Similar a redes neuronales funciones (20)

Satlin y satlins en matlab
Satlin y satlins en matlabSatlin y satlins en matlab
Satlin y satlins en matlab
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
 
Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3Utp sirn l1_funciones 2013-3
Utp sirn l1_funciones 2013-3
 
Utp sirn_2015-1 lab1
 Utp sirn_2015-1 lab1 Utp sirn_2015-1 lab1
Utp sirn_2015-1 lab1
 
Utp sirn_2015-2 lab1
 Utp sirn_2015-2 lab1 Utp sirn_2015-2 lab1
Utp sirn_2015-2 lab1
 
Funciones de Activación Tansig y Logsig
Funciones de Activación Tansig y Logsig Funciones de Activación Tansig y Logsig
Funciones de Activación Tansig y Logsig
 
redes neuronales perceptron
redes neuronales  perceptronredes neuronales  perceptron
redes neuronales perceptron
 
Utp ia_sl4 la rna perceptron
 Utp ia_sl4 la rna perceptron Utp ia_sl4 la rna perceptron
Utp ia_sl4 la rna perceptron
 
Hardlim hardlims en_matlab
Hardlim hardlims en_matlabHardlim hardlims en_matlab
Hardlim hardlims en_matlab
 
Hardlim hardlims en_matlab
Hardlim hardlims en_matlabHardlim hardlims en_matlab
Hardlim hardlims en_matlab
 
RED NEURONAL Backpropagation
RED NEURONAL BackpropagationRED NEURONAL Backpropagation
RED NEURONAL Backpropagation
 
Algoritmo de Retropropagación
Algoritmo de RetropropagaciónAlgoritmo de Retropropagación
Algoritmo de Retropropagación
 
Redes neurartif
Redes neurartifRedes neurartif
Redes neurartif
 
Boletin3
Boletin3Boletin3
Boletin3
 
Matlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLABMatlab Neural Network Toolbox MATLAB
Matlab Neural Network Toolbox MATLAB
 
Utp sirn_s6_adaline y backpropagation
 Utp sirn_s6_adaline y backpropagation Utp sirn_s6_adaline y backpropagation
Utp sirn_s6_adaline y backpropagation
 
Utp 2015-2_sirn_s6_adaline y backpropagation
 Utp 2015-2_sirn_s6_adaline y backpropagation Utp 2015-2_sirn_s6_adaline y backpropagation
Utp 2015-2_sirn_s6_adaline y backpropagation
 
Utp sirn_2014-1 lab1
 Utp sirn_2014-1 lab1 Utp sirn_2014-1 lab1
Utp sirn_2014-1 lab1
 
Actividad no13 y_14_de_1er_parcial_lema_evelyn
Actividad no13 y_14_de_1er_parcial_lema_evelynActividad no13 y_14_de_1er_parcial_lema_evelyn
Actividad no13 y_14_de_1er_parcial_lema_evelyn
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 

Último

(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática
vazquezgarciajesusma
 
PRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docx
PRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docxPRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docx
PRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docx
encinasm992
 

Último (20)

Desarrollo de Habilidades de Pensamiento.
Desarrollo de Habilidades de Pensamiento.Desarrollo de Habilidades de Pensamiento.
Desarrollo de Habilidades de Pensamiento.
 
leidy fuentes - power point -expocccion -unidad 4 (1).pptx
leidy fuentes - power point -expocccion -unidad 4 (1).pptxleidy fuentes - power point -expocccion -unidad 4 (1).pptx
leidy fuentes - power point -expocccion -unidad 4 (1).pptx
 
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...
Índice del libro "Big Data: Tecnologías para arquitecturas Data-Centric" de 0...
 
Inteligencia Artificial y Ciberseguridad.pdf
Inteligencia Artificial y Ciberseguridad.pdfInteligencia Artificial y Ciberseguridad.pdf
Inteligencia Artificial y Ciberseguridad.pdf
 
HIGADO Y TRAUMA HEPATICO UDABOL 2024 (3).pdf
HIGADO  Y TRAUMA HEPATICO UDABOL 2024 (3).pdfHIGADO  Y TRAUMA HEPATICO UDABOL 2024 (3).pdf
HIGADO Y TRAUMA HEPATICO UDABOL 2024 (3).pdf
 
Sistemas distribuidos de redes de computadores en un entorno virtual de apren...
Sistemas distribuidos de redes de computadores en un entorno virtual de apren...Sistemas distribuidos de redes de computadores en un entorno virtual de apren...
Sistemas distribuidos de redes de computadores en un entorno virtual de apren...
 
3Redu: Responsabilidad, Resiliencia y Respeto
3Redu: Responsabilidad, Resiliencia y Respeto3Redu: Responsabilidad, Resiliencia y Respeto
3Redu: Responsabilidad, Resiliencia y Respeto
 
lenguaje algebraico.pptx álgebra, trigonometria
lenguaje algebraico.pptx álgebra, trigonometrialenguaje algebraico.pptx álgebra, trigonometria
lenguaje algebraico.pptx álgebra, trigonometria
 
Desarrollo de Habilidades de Pensamiento.docx (3).pdf
Desarrollo de Habilidades de Pensamiento.docx (3).pdfDesarrollo de Habilidades de Pensamiento.docx (3).pdf
Desarrollo de Habilidades de Pensamiento.docx (3).pdf
 
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática
(PROYECTO) Límites entre el Arte, los Medios de Comunicación y la Informática
 
Licencias para el Uso y el Desarrollo de Software
Licencias para el Uso y el Desarrollo de SoftwareLicencias para el Uso y el Desarrollo de Software
Licencias para el Uso y el Desarrollo de Software
 
Diagrama de flujo soporte técnico 5to semestre
Diagrama de flujo soporte técnico 5to semestreDiagrama de flujo soporte técnico 5to semestre
Diagrama de flujo soporte técnico 5to semestre
 
Trabajo Coding For kids 1 y 2 grado 9-4.pdf
Trabajo Coding For kids 1 y 2 grado 9-4.pdfTrabajo Coding For kids 1 y 2 grado 9-4.pdf
Trabajo Coding For kids 1 y 2 grado 9-4.pdf
 
ACTIVIDAD DE TECNOLOGÍA AÑO LECTIVO 2024
ACTIVIDAD DE TECNOLOGÍA AÑO LECTIVO 2024ACTIVIDAD DE TECNOLOGÍA AÑO LECTIVO 2024
ACTIVIDAD DE TECNOLOGÍA AÑO LECTIVO 2024
 
PRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docx
PRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docxPRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docx
PRÁCTICAS DEL MÓDULO I Y II DE EDUCACIÓN Y SOCIEDAD.docx
 
Robótica educativa para la eduacion primaria .pptx
Robótica educativa para la eduacion primaria .pptxRobótica educativa para la eduacion primaria .pptx
Robótica educativa para la eduacion primaria .pptx
 
Posnarrativas en la era de la IA generativa
Posnarrativas en la era de la IA generativaPosnarrativas en la era de la IA generativa
Posnarrativas en la era de la IA generativa
 
3°ð_¦_â_¾ï¸_S34 PLAN DARUKEL DIDÃ_CTICA 23-24.docx
3°ð_¦_â_¾ï¸_S34 PLAN DARUKEL DIDÃ_CTICA 23-24.docx3°ð_¦_â_¾ï¸_S34 PLAN DARUKEL DIDÃ_CTICA 23-24.docx
3°ð_¦_â_¾ï¸_S34 PLAN DARUKEL DIDÃ_CTICA 23-24.docx
 
Diagrama de flujo - ingenieria de sistemas 5to semestre
Diagrama de flujo - ingenieria de sistemas 5to semestreDiagrama de flujo - ingenieria de sistemas 5to semestre
Diagrama de flujo - ingenieria de sistemas 5to semestre
 
Trabajo Coding For kids 1 y 2 grado 9-4.pdf
Trabajo Coding For kids 1 y 2 grado 9-4.pdfTrabajo Coding For kids 1 y 2 grado 9-4.pdf
Trabajo Coding For kids 1 y 2 grado 9-4.pdf
 

redes neuronales funciones

  • 1. Ing. José C. Benítez P. Sistemas Inteligentes y Redes Neuronales Artificiales (SI01) Funciones de activación de las RNAs Laboratorio: 1
  • 2. Objetivo Fundamento teórico: Funciones de las RNA. Funciones de Activación Tarea Informe de Laboratorio Funciones de activación de las RNAs 2
  • 3. 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. 3
  • 4. Fundamento teórico Funciones que representan a las RNAs: La salida de una neurona viene dada por tres funciones: 1. Una función de propagación 2. Una función de activación 3. Una función de transferencia 1 e Salida Capa de Salida Y 4
  • 5. 1. 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. 2. Una función de activación • La función de activación, modifica a la función de propagación. • Puede no existir, siendo en este caso la salida la misma función de propagación. 3. Función de transferencia • La función de transferencia, se aplica al valor devuelto por la función de activación. Fundamento teórico 5
  • 6. Funciones de activación Función de transferencia de las RNA Como función de transferencia se usan generalmente las siguientes funciones: - Escalón - Lineal - No lineal - Competitiva - Saturación 6
  • 7. a) Función de activación Escalón. Utilizada en redes Perceptron. 7 Se obtiene salidas de valores [0,1]. Se usa el comando: >>Y=hardlim(v) Ejemplo: >>v=-10:0.5:10; >>subplot(121), plot(v); >>subplot(122), stem(v); >>O=hardlim(v); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m=[-5:0.5:5;-4:0.5:6]; >>O=hardlim(m); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7]; >>O=hardlim(m2); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O)
  • 8. b) Función de activación Escalón. Utilizada en redes Perceptron. 8 Se obtiene salidas de valores [-1,1]. Se usa el comando: >>Y=hardlims(v) Ejemplo: >>v=-10:0.5:10; >>subplot(121), plot(v); >>subplot(122), stem(v); >>O=hardlims(v); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m=[-5:0.5:5;-4:0.5:6]; >>O=hardlims(m); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O) >>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7]; >>O=hardlims(m2); >>subplot(121), plot(v,O) >>subplot(122), stem(v,O)
  • 9. 9 Para las siguientes funciones de activación utilizar los vectores de entrada mostrados: >>v=-10:0.5:10; >>m=[-5:0.5:5;-4:0.5:6]; >>m2=[-5:0.5:5;-4:0.5:6 ;-3:0.5:7]; Graficar las entradas y las salidas respectivamente.
  • 10. 10 c) Función de activación Lineal. Utilizada en redes adaline o en la última capa de las MLP. La salida es igual que la entrada, se obtiene con el comando: >>Y=purelin(v) d) Función de activación Gaussiana. Utilizada en redes de base radial La respuesta es de una función gaussiana, utilizamos el comando : >>Y=radbas(v)
  • 11. 11 Para la salida [-1,1], función tangente sigmoidal hiperbólica, utilizamos el comando : >>Y=tansig(v) e) Función de activación no Lineal. Para la salida [0,1], función sigmoide logaritmica, utilizamos el comando : >>Y=logsig(v)
  • 12. 12 f) Función de activación Saturación. Utilizada en las redes Hopfield Para la salida de valores [0,1], utilizamos el comando : >>Y=satlin(v) Para la salida de valores [-1,1], utilizamos el comando : >>Y=satlins(v)
  • 13. 13 Tarea Utilizar vectores cuadráticos, rampa, ruido y pulso (cada una centrado en el eje Y) para cada una de las funciones de activación desarrolladas en este laboratorio. Mediante MatLab graficar el vector de entrada y la salida.
  • 14. Informe de Laboratorio El Informe de Laboratorio es un documento gráfico en lo posible y es redactado en Word con el desarrollo del laboratorio. Niveles de Informe: Primer nivel: Observaciones. Imágenes con comentarios cortos. Redactar al ir desarrollando el laboratorio. (Requiere desarrollar el laboratorio). Segundo nivel: Conclusiones. Redactar al terminar el laboratorio.(Requiere haber desarrollado el laboratorio). Tercer Nivel: Recomendaciones. (Requiere lectura de otras fuentes). Dentro de su Carpeta Personal del Dropbox crear una carpeta para el laboratorio 1 con el siguiente formato: SIRN_PaternoM_Lab1 Adjuntar fuentes que le han ayudado en esta carpeta creada. Las fuentes deben conservar el nombre original de archivo y se debe agregar _L1 al final. Presentar el Informe de Laboratorio 1 en esta carpeta creada. 14
  • 15. Lab1. Funciones de activación de las RNAs. http://utpsirn.blogspot.com 15