Vista previa del material en texto
IA 2017 – TP3BAS - #1 Trabajo Práctico Nº 3 - Redes Neuronales Práctica básica Nombre D.N.I. L.U. Grupo Fecha 24/05/2017 Carrera 1. Ecuaciones de red. El esquema siguiente representa una red neuronal feedforward de 3 capas presentado según la configuración de Matlab (que no considera a las entradas como primera capa). Interpretar el esquema y escribir las ecuaciones representativas de la red neuronal. 2. Desarrollos sobre planilla Excel. La presentación explícita de datos sobre una planilla Excel, puede resultar interesante para el desarrollo de algunos problemas de IA. a) Sobre una planilla Excel, implementar una red Adaline de tres entradas, con pesos aleatorios, y observar el funcionamiento de la red con diferentes entradas. b) Entrenar un Perceptrón de dos entradas, por método geométrico, para realizar la función NAND. Implementar esta red entrenada sobre una planilla Excel y comprobar su funcionamiento. c) Implementar sobre una planilla Excel, una red de Hopfield de tres neuronas, con función de activación tipo signo. Construir la red con tres patrones a elección. Comprobar el funcionamiento de la red. 3. Red feed-forward 1. Sobre un script de Matlab, crear y entrenar la red de la figura para que aprenda a realizar la función o-exclusiva (Z = X xor Y). Utilizar como función de activación oculta la función lineal; como función de activación de salida la sigmoide bivaluada. Una vez que la red ha sido entrenada, reemplazar la función de activación de salida por una función escalón. Comprobar el funcionamiento de la red. W5 Z Y X W4 W3 W2 W1 b2b1 -1 -1 IA 2017 – TP3BAS - #2 4. Red feed-forward 2. Desde la línea de comandos de Matlab, crear una red feed-forward con estructura 2+2+1. Funciones de activación ocultas sigmoide bivaluada (tangsig), función de activación de salida, sigmoide univaluada (logsig). Entrenar la red para que aprenda a multiplicar las entradas. Las variables de entrada se encuentran en el intervalo (0 , 1). Comprobar el funcionamiento de la red, también desde la línea de comandos. 5. Red RBF. Con asistencia de la GUI de redes neuronales (nntool), crear una red RBF para aproximar la función f(x,y,z)=sin(x)+cos(y)+z con x en [0, 2π]; y en [0, 2π]; z en [-1, 1] Seleccionar los parámetros de la red que se estimen adecuados. Establecer un conjunto de entrenamiento distribuido sobre todo el espacio de datos (por ej. 20 puntos). 6. Red SOM/LVQ. Crear una red SOM/LVQ con dos neuronas de entradas y cuatro neuronas de salida. Las entradas corresponderán a puntos del plano en el intervalo (-10 ; +10) con valores enteros. Seleccionar un conjunto de entrenamiento para que la red aprenda a clasificar los valores de entrada correspondientes a cada uno de los cuatro semiplanos. La red requerida tiene una arquitectura similar a la que muestra la figura siguiente. █