(Motor DC por Armadura) Yesid Ernesto Perdomo Bahamn Universidad Surcolombiana Neiva, Colombia yesid_ernest14@hotmail.es
Abstract Este reporte presenta algunos procedimientos de laboratorio que introducen al lector en los conceptos bsicos de la construccin de una red neuronal utilizando como herramienta Matlab.
Keywords Red Neuronal-Matlab
I. INTRODUCCIN
Las redes neuronales son una implementacin muy sencilla de un comportamiento local observado en nuestros cerebros. El cerebro est compuesto de neuronas, las cuales son elementos individuales de procesamiento. La informacin viaja entre las neuronas basada en la estructura y ganancia de los conectores neuronales, la red se comporta de forma diferente.
La construccin de una Red Neuronal nos permite, entrenar al sistema para resolver problemas que son difciles para las computadores convencionales o los seres humanos.
II. MARCO TERICO
Las redes de neuronas artificiales (denominadas habitualmente como RNA) son un paradigma de aprendizaje y procesamiento automtico inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexin de neuronas que colaboran entre s para producir un estmulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales.
Una red neuronal es un procesamiento distribuido masivamente paralelo que tiene una tendencia natural para almacenar conocimiento emprico y hacerlo disponible para su uso. Haykin
Sistemas de redes neuronales aritificales o redes neuronales son sistemas celulares fsicos que puedan adquirir, almacenar y usa conocimiento emprico. Zurada
III. DESARROLLO DE CONTENIDOS Para la construccin de una Red Neuronal, es indispensable la identificacin de nuestro sistema, seleccionando como entrada un Random.
Fig. 1. Diagrama de bloques para la identificacin del sistema
Fig. 2. Comportamiento del sistema con una entrada randown
Observamos cmo se comporta el Motor DC por armadura, cuando lo excitamos con una Random, por ser un sistema rpido el tiempo de muestro es pequeo.
Procedemos a utilizar el ARX, comando que posee Matlab para saber los coeficientes que tiene el retenedor para que el mayor porcentaje de fiabilidad.
Fig. 3. 70.46 % de fiabilidad con un retenedor Ret=[3 3 2]
Teniendo los coeficientes del retenedor podemos construir nuestra red neuronal, donde
na= 3. Corresponde a la recursividad del sistema nb=3. Corresponde a la causalidad del sistema nk=2. Corresponde al offset
Fig. 4. Diagrama de bloques de nuestro sistema a travs de la red neuronal
Fig. 5. Utilizando la salida de la neurona
Fig. 6 Utilizando la salida real
CONCLUSIONES Con la realizacin de esta prctica de laboratorio se pudo identificar el estado funcional que posee el bloque Custom Neural Network, que se va entrenando cada vez que se ejecuta el algoritmo respectivo, hasta lograr la respuesta deseada. Apreciamos en la figura 5, que existe cierta variacin de entre la seal real y la seal que nos general el bloque neuronal, esto se debe a que el sistema se desintoniza provocando alteraciones en la seal. Observamos que dependiendo de los coeficientes obtenidos en el retenedor as mismo sern los retardos que se le aplicarn a la entrada y salida del sistema. Constatamos que a medida que uno varia los coeficientes del retenedor, as mismo la ecuacin que representa el sistema, va creciendo, por lo tanto es necesario elegir coeficientes que no sobrepasen al grado de la funcin de transferencia que posea el sistema.
REFERENCIAS
[1] RED NEURONAL ARTIFICIAL [ref. Octubre 12 de 2013]. Disponible en lnea: http://es.wikipedia.org/wiki/Red_neuronal_artificial [2] CAPITULO 1. INTRODUCCION A LAS REDES NEURONALES [ref. Octubre 12 de 2013]. Disponible en lnea: http://hugo- inc.net16.net/RNA/Unidad%201/1.2.html