IA17 - TP3BAS Redes neuronales

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. 
 
 
 
 
█