Professional Documents
Culture Documents
Perceptrn Simple y
Multicapa
JOSU DANIEL RODRGUEZ QUINTANA
Clasificar patrones
linealmente
separables
Funcin linealmente separable
Modelo
Pesos sinpticos
Funcin de
transferencia en
escaln.
Entradas
Funcin de transferencia
Tambin llamada hard limit
Para el modelo de Perceptrn, se usa una funcin de transferencia
en escaln.
=0 <0
=1 0
Formamos una recta que
intersecta un plano
Frontera de decision
(recta) = 1,1 1 + 1,2 2 +
Igualando a 0
1,1 1 + 1,2 2 + = 0
Dos variables
Representa cualquier variable, por
ejemplo:
Personas
Peso P1
Altura P2
Objetos
Temperatura
Masa
Autos
Peso del auto
Gasolina que gasta por km
Dividimos los dos
conjuntos de variables con
una recta
1,1 = 1,2 =
1 2
0
1
0
=0 <0
Hard limit
=1 0
= (1,1 1 + 1,2 2 + )
1 + 2 + = 0
3 2
1
0
1 + 2 + = 0
3 2
Para el punto (1,1)
5
1 + 1 + = + =
3 2 6 6
Para que a=1, el argumento de
hardlimit debe ser mayor o igual a 0; =0 <0
para que eso suceda, basta con que b =1 0
sea positiva. 1 1
1 + 2 + 1 = 0
3 2
Proponemos que b=1 1,1 =-1/3 ;
= 1/2
Ejemplo Programado en MATLAB
Referencias
Lezcano Andrea, Perceptrn Simple Redes Neuronales con Aprendizaje Supervisado,
consultado el 13 de Agosto de 2017, recuperado de
https://es.slideshare.net/aerdna07/perceptrn-simple-redes-neuronales-con-aprendizaje-
supervisado.
Adal M (17 de Marzo de 2015), 9 Perceptron Paso A Paso [Archivo de Video]. Recuperado de
https://www.youtube.com/watch?v=HTKd32yt7zY
Contacto
Josu Daniel Rodrguez Quintana
Facultad de Ingeniera, UAEMex
Sitio Web: http://jdanielrq.de