Professional Documents
Culture Documents
ACTIVIDAD #10
Marcelo lvarez
Wladimir Daz
Mauricio Huacho
Richard Robles
Iniciar el factor de aprendizaje con un valor y doblarlo cada poca. Esto conduce
a una actualizacin preliminar de los pesos.
El Error medio cuadrtico MSE se calcula para los pesos actualizados que
corresponden a la tasa de aprendizaje actual.
Si el MSE no decrece con esta tasa de aprendizaje, los pesos retornan a sus
valores originales, la tasa de aprendizaje se reduce a la mitad y se contina el
entrenamiento.
Ejercicio 1
De acuerdo al enunciado, dibuje un diagrama de flujo que resuelva el aprendizaje de una
red neuronal por descenso ms pronunciado.
Ejercicio 2
Transcriba el cdigo para considerar que El Error medio cuadrtico MSE se calcula para
los pesos actualizados que corresponden a la tasa de aprendizaje actual. Indique como su
cdigo considera la idea de que si el MSE no decrece los pesos deben retornar a sus
valores iniciales.
Actualizacionpreliminardelospesos
pre_w01=w01+dw01;
pre_w02=w02+dw02;
pre_w11=w11+dw11;
pre_w12=w12+dw12;
pre_w21=w21+dw21;
pre_w22=w22+dw22;
pre_ws0=ws0+dws0;
pre_ws1=ws1+dws1;
pre_ws2=ws2+dws2;
fori=1:4%hastalongituddein1
sumap1=w01+w11*in1(i)+w21*in2(i);
y1=1/(1+exp(alfa*sumap1));
sumap2=w02+w22*in2(i)+w12*in1(i);
y2=1/(1+exp(alfa*sumap2));
suma=ws0+ws1*y1+ws2*y2;
z=1/(1+exp(alfa*suma));
error=((1/2)*(targ(i)z)^2);
MSE_actual=MSE_actual+error;
end
ifMSE_actual>=MSE
n=n/2;
Ejercicio 3
Escriba las lneas de cdigo que toman en cuenta la idea de que: Si el MSE no decrece con
esta tasa de aprendizaje, los pesos retornan a sus valores originales, la tasa de aprendizaje
se reduce a la mitad y se contina el entrenamiento. Si el MSE todava no decrece, se parte
el factor de aprendizaje a la mitad repetidamente hasta encontrar una tasa de aprendizaje
que reduzca el MSE. En este punto el factor de aprendizaje es doblado otra vez y se inicia
un nuevo paso.
for j=1:1000
.
.
.
% Comparacin MSEN<MSE se actualizan pesos y n al doble
if MSEN<MSE
n=2*n; %el factor de aprendizaje es doblado
w01=pre_w01;
w02=pre_w02;
w11=pre_w11;
w12=pre_w12;
w21=pre_w21;
w22=pre_w22;
ws0=pre_ws0;
ws1=pre_ws1;
ws2=pre_ws2;
MSE=MSEN;
% Caso contrario, MSEN>=MSE se mantienen pesos y n a la mitad
else
n=n/2; %el factor de aprendizaje a la mitad
end
.
.
.
% Continua con la instruccin for hasta finalizar las pocas
end
Ejercicio 4
Escriba
el
cdigo
que
resuelve
la
idea
final
del
enunciado:
La bsqueda contina en esta forma y termina dentro de un nmero predefinido de
pocas de entrenamiento. Si la disminucin en el error con respecto al paso previo es ms
pequea que un nivel especificado o si el valor del factor de aprendizaje cae bajo un lmite
especificado el proceso se detiene.
E(j)=MSE;
ifMSE<E_min||n<n_min
break;
end
Ejercicio 5
Presente los resultados obtenidos en dos grficos: el error en cada poca y la funcin de
la red neuronal versus las entradas. Realice la corrida del programa por varias veces y
determine la efectividad de la convergencia: Nmero de veces que converge/Nmero de
corridas
CALCULO DE EFECTIVIDAD