29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

PGINAPRINCIPAL

Control Inteligente
HOME

REDES NEURONALES

CONTROL DIFUSO

Search

ANEXOS

Mejoras al aprendizaje del perceptrn multicapa mediante

retropropagacin. Momento en variacin de pesos.
Elmomentoesunaaproximacindepromediadoqueproveeestabilidadcuandosealcanzanlospesosptimos

SOCIAL PROFILES

en el aprendizaje. Este mtodo toma en cuenta el promedio de los cambios pasados (en los pesos) en el
incrementodepeso,suavizandoelcambionetodepeso.Laideaesusarelpromedioexponencialdetodoslos

Popular

Tags

BlogArchives

cambiosdepesopreviosparaguiarelcambioactual.Laexpresinmatemticadecambiodepesoparacada

(sinttulo)
InteligenciaAquelloquecaracteriza
unaaccinqueinvolucra
percepcin,aprendizaje,
interaccin(conmedioscomplejos)
aplicaciny...

pesoes:

DATOS PERSONALES

Cdigodelprograma

%ACTIVIDAD12
clearall
in0=1
in1=[0101]
in2=[0011]

D AVI D CAD E N A
Seguir

V ER T O DO MI P ER FI L

ConlatecnologadeBlogger.

BLOGGER TEMPLATES

targ=[0.10.90.90.1]
w1=(12*rand)*0.5
w2=(12*rand)*0.5
w3=(12*rand)*0.5
http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

1/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

w4=(12*rand)*0.5
w5=(12*rand)*0.5
w6=(12*rand)*0.5
w7=(12*rand)*0.5
w8=(12*rand)*0.5
w9=(12*rand)*0.5
n=5
alpha=4
u=0.95
offset=0.9
%acumuladores
ADW1=0ADW2=0ADW3=0ADW4=0ADW5=0ADW6=0
ADW7=0ADW8=0ADW9=0

ADW1_ant=0ADW2_ant=0ADW3_ant=0ADW4_ant=0ADW5_ant=0ADW6_ant=0
ADW7_ant=0ADW8_ant=0ADW9_ant=0

forj=1:1000
err_total=0
fori=1:4

net1=in1(i)*w1+in2(i)*w3+in0*w7
net2=in2(i)*w4+in1(i)*w2+in0*w8

out1=1/(1+exp(alpha*net1))
out2=1/(1+exp(alpha*net2))

net=out1*w5+out2*w6+in0*w9
out=1/(1+exp(alpha*net))
%VARIACIONESDELOSPESOSCONCADAPATRONDEENTRENAMIENTO
D_W1=n*(targ(i)out)*[alpha*out*(1out)+offset]*w5*[alpha*out1*(1out1)+
offset]*in1(i)
D_W2=n*(targ(i)out)*[alpha*out*(1out)+offset]*w6*[alpha*out2*(1out2)+
offset]*in1(i)
D_W3=n*(targ(i)out)*[alpha*out*(1out)+offset]*w5*[alpha*out1*(1out1)+
offset]*in2(i)
http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

2/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

D_W4=n*(targ(i)out)*[alpha*out*(1out)+offset]*w6*[alpha*out2*(1out2)+
offset]*in2(i)
D_W5=n*(targ(i)out)*[alpha*out*(1out)+offset]*out1
D_W6=n*(targ(i)out)*[alpha*out*(1out)+offset]*out2
D_W7=n*(targ(i)out)*[alpha*out*(1out)+offset]*w5*[alpha*out1*(1out1)+
offset]*1
D_W8=n*(targ(i)out)*[alpha*out*(1out)+offset]*w6*[alpha*out2*(1out2)+
offset]*1
D_W9=n*(targ(i)out)*[alpha*out*(1out)+offset]

err_parc=(targ(i)out)^2
err_total=err_total+err_parc

ADW1=ADW1+D_W1
ADW2=ADW2+D_W2
ADW3=ADW3+D_W3
ADW4=ADW4+D_W4
ADW5=ADW5+D_W5
ADW6=ADW6+D_W6
ADW7=ADW7+D_W7
ADW8=ADW8+D_W8
ADW9=ADW9+D_W9
end
%ESTEESELAWDELMETODOMOMENTO

w1=w1+u*ADW1_ant+(1u)*ADW1
w2=w2+u*ADW2_ant+(1u)*ADW2
w3=w3+u*ADW3_ant+(1u)*ADW3
w4=w4+u*ADW4_ant+(1u)*ADW4
w5=w5+u*ADW5_ant+(1u)*ADW5
w6=w6+u*ADW6_ant+(1u)*ADW6
w7=w7+u*ADW7_ant+(1u)*ADW7
w8=w8+u*ADW8_ant+(1u)*ADW8
w9=w9+u*ADW9_ant+(1u)*ADW9

http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

3/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

ADW1_ant=u*ADW1_ant+(1u)*ADW1
ADW2_ant=u*ADW2_ant+(1u)*ADW2
ADW3_ant=u*ADW3_ant+(1u)*ADW3
ADW4_ant=u*ADW4_ant+(1u)*ADW4
ADW5_ant=u*ADW5_ant+(1u)*ADW5
ADW6_ant=u*ADW6_ant+(1u)*ADW6
ADW7_ant=u*ADW7_ant+(1u)*ADW7
ADW8_ant=u*ADW8_ant+(1u)*ADW8
ADW9_ant=u*ADW9_ant+(1u)*ADW9

ADW1=0
ADW2=0
ADW3=0
ADW4=0
ADW5=0
ADW6=0
ADW7=0
ADW8=0
ADW9=0

vector_epocas(j)=j
vector_errores(j)=err_total
mensaje=sprintf('Aprendisaje:%2.3fu=%2.3f',n,u)
w11=w1
w12=w2
w21=w3
w22=w4
lw1=w5
lw2=w6
b1=w7
b2=w8
b3=w9
[x,y]=meshgrid(0:.01:1,0:.01:1)
alpha=4
net1=x*w11+y*w21+in0.*b1
net2=x*w12+y*w22+in0*b2
http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

4/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

out1=1./(1+exp(alpha*net1))
out2=1./(1+exp(alpha*net2))
net=out1*lw1+out2*lw2+in0*b3
out=1./(1+exp(alpha*net))
out_frontera=round(out)
subplot(3,1,1)
plot(vector_epocas,vector_errores)
title(mensaje)
subplot(3,1,2)
mesh(x,y,out)
subplot(3,1,3)
mesh(x,y,out_frontera)
pause(0.01)
end

Resultados
1..Resultadospara(factordeaprendizaje,momento)dea)(0.20.01)b(0.20.5)c)(0.20.9)

http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

5/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

22.Resultadospara(factordeaprendizaje,momento)dea)(50.01)b)(50.5)c)

http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

6/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

1.

0comentarios:
Publicaruncomentarioenlaentrada
http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

7/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

Introducetucomentario...

Comentarcomo:

Publicar

Unknown(Google)

Salir

Vistaprevia

Avisarme

Pginaprincipal

Suscribirsea:Entradas(Atom)

BLOGGER NEWS

BLOGROLL

ABOUT

Copyright2016ControlInteligente|PoweredbyBlogger
DesignbyFThemes|BloggerThemebyLasanthaPBT|NewBloggerThemes.com
http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

8/9

29/11/2016

Mejorasalaprendizajedelperceptrnmulticapamedianteretropropagacin.Momentoenvariacindepesos.~ControlInteligente

http://controlinteligentecadenadavid.blogspot.com/p/mejorasalaprendizajedelperceptron.html

9/9