Professional Documents
Culture Documents
Patrones
A. Blanco
Armando_jadb
@hotmail.com
E. Salazar
Ernesto_sj23@
hotmail.com
A. Cuadras
Nanes.cg@hot
mail.com
S. Ramrez
thecrimes@hot
mail.com
A. Beltrn
alonsoa_bv@ho
tmail.com
I.
INTRODUCCIN
II.
A. Redes Hopfield
Una red Hopfield es una red neuronal artificial monocapa
donde sus neuronas estn interconectadas [2].
= , w +
2
(1)
E: Energa.
W: es la fuerza del peso de la conexin de la unidad.
(Peso de conexin).
S: Estado de la unidad.
:Teta: umbral de la unidad.
sinapsis
X1
Wi1
Procesamiento
Estado 1
Unidad 1
X2
CUERPO CELULAR
Wi2
Wij
XJ
axn
F( )
yi
Salida
Win
Xn
Entradas
Procesamiento
Unidad 2
Estado 1
Procesamiento
Unidad 4
Estado 0
-1
dendritas
B. Red Backpropagation
Procesamiento
Unidad 3
Estado 0
k=Valor de Error
Wi1
Wi2
Win
UNIDADES DE SALIDA
UNIDADES
ESCONDIDAS
UNIDADES DE
ENTRADA
PATRONES DE
ENTRADA
CAPA DE SALIDA M
D. Redes ANFIS
CAPA DE
ENTRADA
N
Wn
(2)
conocimiento mediante un conjunto de reglas tipo IFTHEN no siempre resulta sencilla, ya que la definicin
precisa de las funciones de pertenencia y de las relaciones
entre las variables del sistema conlleva cierta dificultad.
Las Redes Neuronales Artificiales por su propia naturaleza
y comportamiento son incapaces de expresar de forma
explcita el conocimiento adquirido; pero por el contrario
presentan la capacidad de aprender y relacionar las
variables del sistema a partir de datos obtenidos en
experiencias anteriores.
1
1+ 2
(3)
Mquina de
Boltzmann
III.
Escondida
Visible
Adquirir prximo
valor de
entrenamiento
( = 1) = +
arctan (
Fin de las
pocas?
S
No
Error
tolerable?
Pas el mximo
de iteraciones?
(4)
No
S
Error. Red no converge con este
nmero de iteraciones.
Fin
IV.
APLICACIONES EN RECONOCIMIENTO
DE PATRONES
V.
CONCLUSIONES
AGRADECIMIENTOS
Los autores quieren agradecer al Departamento de MetalMecnica del Tecnolgico Nacional de Mxico Instituto
Tecnolgico de Culiacn por prestar sus instalaciones y
recursos para realizar sta investigacin, es especial al
profesor a cargo de la revisin de ste artculo Cesar Ivn
Abrajan Barraza.
REFERENCIAS
[1] D. M. S. James A. Freeman, "Redes neuronales."
Algoritmos, aplicaciones y modelos., USA:
Alfaomega , 1993.
[2] J. R. Vallejo y E. B. Corrochano, Clifford Hopfield
Neural Nectworks, de International Joint
Conference on Neural Networks, 2008.
[3] K. Tirdad y A. Sadeghian, Hopfield Neural
Networks as Pseudo Random Number Generators,
Ryerson University, Toronto, Canada, 2010.
International
Conference
on
Infonnation
Technology, Computer and Electrical Engineering,
Indonesia, 2014.
VI.
Anexos
Reconocimiento de Patrones
Es estudiado
por
Programacin
De Software
Se estudia
mediante
Ciencias de la
Computacin
Filosofa
Lgica
Se estudia
mediante
Evolicion en
Teoremas en el
reconocimiento
de patrones
Inteligencia
Artificial
Matemticas
Se estudia
mediante
Se estudia
mediante
Diagramas de
flujo y bases de
datos
Modelos
Matematicos
Su Clasificacin Incluye
Lgica
Difusa
Redes
Neuronales
Algoritmos
Genticos
Redes
Bayesianas
Sistemas
Expertos
Se Divide en
Redes
Instar
Redes
Outstar
Redes
Competitivas
Redes
Recurrentes
Sus tipos
son
De las cuales se
derivan
Redes
Hamming
Redes
Kohonen
Redes
Hopfield
Tiene Dos
Variantes
Mapas de
Autoorganizacin
Learning
Vector
Quatization
Redes
ANFIS
Back
Propagation
Redes
Estocsticas
Mquina de
Boltzman
Mquina de
Cauchy
Redes
Neuronales
Competitivas
Self Organizing
Maps
Learning Vector
Quantization
Recurrentes
Hopfield
ANFIS