Redes neuronales:

Perceptrn Simple y
Multicapa
JOSU DANIEL RODRGUEZ QUINTANA

Toluca, Mxico, Agosto de 2017

Introduccin
Una red neuronal es capaz de aprender a partir de alguna
Fuente de informacin interactuando con su entorno.
1958 el psiclogo Frank Ronsenblant desarroll un modelo
simple de neurona basado en una regla de correccin del
error.
Aprender a reconocer patrones
Cmo funciona una neurona biolgica?
Las neuronas biolgicas tienen tres componentes:
Axones: Son los encargados de transportar la salida de la
neurona hasta las conexiones de otras neuronas.
Dendritas: facilitan la conexin con los axones de otras
neuronas.
Sinapsis: Espacio estrecho donde los axones influyen en
las dendritas.
Perceptrn
Es un tipo de Red Neuronal monocapa hbrida de aprendizaje
supervisado
1943 Warren Mc Culloch y Walter Pitts originaron el primer modelo
de operacin neuronal.
La suma ponderada de las seales de entrada es comparada con un
umbral que determina la salida de la neurona.
Cuando la suma es mayor o igual al umbral, la salida es 1.
Cuando la suma es menor que el umbral, la salida es 0.
Caractersticas
Aprendizaje por Reconocimiento
Aprendizaje
correccin de de patrones
supervisado
error sencillos

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

Recordando la ecuacin de recta que representa la

frontera
1,1 1 + 1,2 2 + = 0

Podemos despejar ambos puntos 1 y 2

1,1 = 1,2 =
1 2

Vector de pesos (perpendicular) a la frontera

Ejemplo

1,1 = 1,2 =
1 2

1,1 = 1,2 =
3 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