Universidad Universidad Fermn Fermn Toro Toro Facultad de Ingeniera Facultad de Ingeniera Escuela Escuela de de Computacin. Computacin.

Ecuacin de activacin estocstica Cambios aleatorios en los valores de los pesos

1.Evaluar su efecto
2.Si la red se comporta mejor, se acepta
3.Sino, se acepta con una determinada funcin de probabilidad

Proceso
Se realiza un cambio aleatorio en los pesos. Se determina la nueva energa de la red.

Si la energa decrece; se acepta el cambio. Si la energa no decrece: se aceptara el cambio en funcin de una determinada y preestablecida distribucin de probabilidades.

Las arquitecturas usadas en este tipo de red puede ser:

Boltzman completion network Boltzman input - output network

La mquina de cauchy es una versin mejorada de la mquina de boltzmann,

Reconocimiento de textos manuscritos. Reconocimiento del habla.

Simulacin de centrales de produccin de energa.

Deteccin de explosivos. Identificacin de blancos de radares. Sistemas de control de reactores, procesos qumicos, fsicos entre otros.

T. Kohonen present en 1982 un modelo de red neuronal con capacidad para formar mapas de caractersticas de manera similar a como ocurre en el cerebro.

Red NO supervisada

Las entradas se conectan a una nica capa de neuronas La conexin puede ser lineal, cuadrada, hexagonal, irregular, etc. La red detecta grupos similares o clusters en los datos de entrada

2 Capas de Neuronas:
Capa de entrada: recibe y Transmite a la capa de salida.

Capa de salida: Procesa la informacin Y forma el mapa de rasgos.

Inicializacin de los pesos wijk. Eleccin de un patrn de entre el conjunto de patrones de entrenamiento.
Para cada neurona del mapa, calcular la distancia eucldea entre el patrn de entrada x y el vector de pesos sinpticos.

Distancia Eucldea entre el vector sinptico y la entrada.

Evaluar la neurona ganadora, es decir aquella cuya distancia es la menor de todas.

Actualizar los pesos sinpticos de la neurona ganadora y de sus vecinas segn la regla: Actualizacin de los pesos en una red SOM

Lo usual es fijar un numero de iteraciones antes de comenzar el aprendizaje.

El aprendizaje es de tipo OFF-LINE

Aprendizaje no supervisado de tipo competitivo. El aprendizaje no concluye despus de presentarle una vez todos los patrones de entrada, sino que habr que repetir el proceso varias veces para refinar el mapa topolgico de salida.

La vecindad indica que nodos aprenden cuando se activa una neurona

Reconocimiento de patrones: voz, texto, imgenes, seales entre otros. Codificacin de datos.

Comprensin de imgenes.

Resolucin de problemas de optimizacin.