MARTES 9 DE JUNIO DEL 2015CONTROL INTELIGENTEACTIVIDAD #10

Mejoras al Aprendizaje del Perceptrn Multicapa mediante Retropropagacin y Por Descenso Ms Pronunciado de Una Red Neuronal Con Patrones XOR. Marcelo lvarez Wladimir Daz Mauricio Huacho Richard Robles

RED NEURONAL CON PATRONES XOREl factor de aprendizaje es el mismo para todos los pesos.Iniciar el factor de aprendizaje con un valor y doblarlo cada poca. Esto conduce a una actualizacin preliminar de los pesos.El Error medio cuadrtico MSE se calcula para los pesos actualizados que corresponden a la tasa de aprendizaje actual.Si el MSE no decrece con esta tasa de aprendizaje, los pesos retornan a sus valores originales, la tasa de aprendizaje se reduce a la mitad y se contina el entrenamiento.Si el MSE todava no decrece, se parte el factor de aprendizaje a la mitad repetidamente hasta encontrar una tasa de aprendizaje que reduzca el MSE. El factor de aprendizaje es doblado otra vez y se inicia un nuevo paso.El proceso se repite una y otra vez. La bsqueda contina en esta forma y termina dentro de un nmero predefinido de pocas de entrenamiento. Si la disminucin en el error con respecto al paso previo es ms pequea que un nivel especificado o si el valor del factor de aprendizaje cae bajo un lmite especificado el proceso se detiene. y son definidos por el usuario.

Ejercicio 1De acuerdo al enunciado, dibuje un diagrama de flujo que resuelva el aprendizaje de una red neuronal por descenso ms pronunciado.

Ejercicio 2Transcriba el cdigo para considerar que El Error medio cuadrtico MSE se calcula para los pesos actualizados que corresponden a la tasa de aprendizaje actual. Indique como su cdigo considera la idea de que si el MSE no decrece los pesos deben retornar a sus valores iniciales. Actualizacion preliminar de los pesos pre_w01=w01+dw01; pre_w02=w02+dw02; pre_w11=w11+dw11; pre_w12=w12+dw12; pre_w21=w21+dw21; pre_w22=w22+dw22; pre_ws0=ws0+dws0; pre_ws1=ws1+dws1; pre_ws2=ws2+dws2; for i=1:4 %hasta longitud de in1 sumap1 = w01+w11*in1(i)+w21*in2(i); y1 = 1/(1+exp(-alfa*sumap1)); sumap2 = w02+w22*in2(i)+w12*in1(i); y2 = 1/(1+exp(-alfa*sumap2)); suma = ws0+ws1*y1+ws2*y2; z = 1/(1+exp(-alfa*suma)); error = ((1/2)*(targ(i)-z)^2); MSE_actual = MSE_actual + error; end if MSE_actual >= MSE n = n/2;El Error medio cuadrtico MSE se calcula para los pesos actualizados que corresponden a la tasa de aprendizaje actual. Si el MSE no decrece con esta tasa de aprendizaje, los pesos retornan a sus valores originales, la tasa de aprendizaje se reduce a la mitad y se contina el entrenamiento. Ejercicio 3Escriba las lneas de cdigo que toman en cuenta la idea de que: Si el MSE no decrece con esta tasa de aprendizaje, los pesos retornan a sus valores originales, la tasa de aprendizaje se reduce a la mitad y se contina el entrenamiento. Si el MSE todava no decrece, se parte el factor de aprendizaje a la mitad repetidamente hasta encontrar una tasa de aprendizaje que reduzca el MSE. En este punto el factor de aprendizaje es doblado otra vez y se inicia un nuevo paso.for j=1:1000...% Comparacin MSEN