2014

CONTROL INTELIGENTE

ESPE

UNIVERSIDAD DE FUERZAS ARMADAS ESPE

DEPARTAMENTO DE ELCTRICA Y ELECTRNICA
ASIGNATURA: CONTROL INTELIGENTE
Actividad No6. Estudio de la funcin de activacin sigmoide
Fecha: 16/04/2014
Nombres alumnos: Carlos Araujo, Marco Hinojosa
NRC: 2055

1.

Demuestre que la derivada de la funcin de activacin sigmoide f(x)=f(x)(1-f(x))

Demostracin:

Entonces s:
=

+
+

+
+
+

+ =

+
+

+ =

=
+
+

2. Considere una neurona con una sola entrada con funcin de activacin sigmoide =1.
Grafique la funcin out/in para los siguientes casos: a) w0=0; w1=1; b) w0=0; w1=-1; c )
w0=0; w1 valores desde -1 a 2 en pasos de 1.
Literal a

Figura 1: Grfica in/out valor de w1=1

Pgina 1

Literal b

Figura 2: Grfica in/out valor de w1= -1

Literal c

Figura 3: Grfica in/out valore de w1= -1, 0,1, 2

Pgina 2

3. Considere una neurona con una sola entrada con funcin de activacin sigmoide =1.
Grafique la funcin out/in para los siguientes casos: a) w1=1; w0=3, 0, 4 b) w1=0.3; w0 =
-3, 0, 4. Encuentre los puntos de frontera para las tres curvas en cada caso (el punto de
frontera es aquel valor de in tal que w0+w1*in=0)
A)

Ilustracin 1 Grfica in/out con w1=1,w0=-3,0,4

La grfica de color azul es la correspondiente a los valores w1=1, w0=-3.

La grfica de color verde es la correspondiente a los valores w1=1, w0=0.
La grfica de color rojo es la correspondiente a los valores w1=1, w0=4.
B)

Ilustracin 2 Grfica in/out con w1=0.3,w0=-3,0,4

La grfica de color azul es la correspondiente a los valores w1=0.3, w0=-3.

La grfica de color verde es la correspondiente a los valores w1=0.3, w0=0.
La grfica de color rojo es la correspondiente a los valores w1=0.3, w0=4.
Pgina 3

A)
Usaremos la siguiente ecuacin para encontrar el punto de frontera:
+ =
Para obtener cada una de las grficas.
- Grfica azul
a.1) w0=-3,w1=1, in=-5:0.5:5
+ =
=
Como vemos no se cumple la igualdad, proseguimos con los dems valores del vector de entradas
hasta encontrar el que cumpla
a.2) w0=-3,w1=1, in=-5:0.5:5
+ . =
. =
Nos podemos dar cuenta por inspeccin que usando el vector con valores negativos no obtendremos la
igualdad, procedemos a utilizar el valor 0
a.3) w0=-3,w1=0, in=-5:0.5:5
+ =
=
Tampoco cumple con la igualdad por lo que el valor que nos cumplir es cuando el vector tome el
valor de 3.
a.4) w0=-3,w1=1, in=-5:0.5:5
+ =
=
El punto de frontera se encuentra en 3.

Ilustracin 3 Punto de frontera para la curva azul

- Grfica verde
a.5) w0=0,w1=1, in=-5:0.5:5
+ =
=
Como nos dimos cuenta el nico valor que cumple con la igualdad es 0, para valores negativos y
positivos la igualdad no se efecta. Por lo que el punto de frontera est en 0

Pgina 4

Ilustracin 4 Punto de frontera para la curva verde

- Grfica roja
a.6) w0=4,w1=1, in=-5:0.5:5
+ =
=
Como nos dimos cuenta el nico valor que cumple con la igualdad es -4, para valores negativos
mayores y positivos la igualdad no se efecta. Por lo que el punto de frontera est en -4

Ilustracin 5 Punto de frontera para grfica roja

Pgina 5

B)
Usaremos la siguiente ecuacin para encontrar el punto de frontera:
+ =
Para obtener cada una de las grficas.
- Grfica azul
a.6) w0=-3,w1=0.3, in=-10:0.5:10
+ . =
=
Como nos dimos cuenta el nico valor que cumple con la igualdad es 10, para valores negativos
menores y positivos la igualdad no se efecta. Por lo que el punto de frontera est en 10

Ilustracin 6 Punto de frontera grafica azul

- Grfica verde
a.6) w0=0,w1=0.3, in=-10:0.5:10
+ . =
=
Como nos dimos cuenta el nico valor que cumple con la igualdad es 0, para valores negativos y
positivos la igualdad no se efecta. Por lo que el punto de frontera est en 0

Ilustracin 7 Punto de frontera grfica verde

Pgina 6

- Grfica roja
a.6) w0=4,w1=0.3, in=-10:0.5:10
+ . . =
. =
Como nos dimos cuenta el nico valor que cumple con la igualdad es un aproximado de -13.33333,.
Por lo que el punto de frontera est en -13.3333

Ilustracin 8 Punto de frontera grfica roja

Pgina 7

4. Resuma los efectos combinados que produce el ajuste de los pesos w0 y w1 durante el
aprendizaje

El aprendizaje es el proceso
por el cual una red neuronal
modifica sus pesos en
respuesta
a
una
informacin de entrada

Normalmente, los pesos

ptimos
se
obtienen
optimizando(minimizando)
una funcin de activacin.

Entonces
utilizando
sigmoide
cuando

w1 nos da un cambio de la
curva es mas suave debido
a la variacion del gradiente
mientras que al variar w0 lo
que cambie es el punto de
frontera en cada curva

nosotros
la
funcin
vemos
que

5. Demuestre que la red neuronal de 3 neuronas con los pesos indicados en el libro de
referencia reproducen la funcin de pulso cuadrado

Ilustracin 9 Funcin pulso cuadrado mediante una red neuronal artificial

Pgina 8

Usando una red neuronal de 3 neuronas podemos reproducir la funcin escaln cuadrado utilizando

Ilustracin 10 Funcin escaln cuadrado

Los algoritmos implementados en clases. Los parmetros que utilizaremos son:

Ilustracin 11 Red neuronal artificial

Ilustracin 12 Pesos utilizados para el entrenamiento

Anexos
Cdigos de programacin
Ejercicio 2 literal a
in=-5:0.5:5;
in0=1;
%%caso a
w0=0;
w1=1;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
plot(in,out)

Ejercicio 2 literal B
in=-5:0.5:5;
in0=1;
%%caso b
w0=0;
w1=-1;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
plot(in,out)

Ejercicio 2 literal C

Pgina 9

in=-5:0.5:5;
in0=1;
%%caso c
w0=0;
for i=-1:1:2
w1=i;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
hold on
plot(in,out)
end
hold off

Ejercicio 3 literal a
in=-5:0.5:5;
in0=1;
%%caso a1
w0=-3;
w1=1;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
hold
plot(in,out)

Ejercicio 3 literal b
%%caso a2
w0=0;
w1=1;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
plot(in,out,'g')

Ejercicio 3 literal c
%%caso a3
w0=4;
w1=1;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
grid on
plot(in,out,'r')

Ejercicio 3 parte 2 a
in=-10:0.5:10;
in0=1;
%%caso a1
w0=-3;
w1=0.3;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
hold
plot(in,out)

Ejercicio 3 parte 2 b
%%caso a2
w0=0;
w1=0.3;
alpha=1
Pgina 10

x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
plot(in,out,'g')

Ejercico 3 parte 2 c
%%caso a3
in=-14:0.5:14;
w0=4;
w1=0.3;
alpha=1
x=in*w1+in0*w0
out=1./(1+exp(-alpha*x))
grid on
plot(in,out,'r')

Ejercicio 5
x=0:0.01:1;
%%parametros de entrenamiento
a01=20.8;
a02=47.6;
a11=-69;
a12=-68;
b0=0.25;
b1=-0.5
b2=0.5
net1=a11*x+a01;
net2=a02+a12*x;
%%out1=1./(1+exp(-net1));
%%out2=1./(1+exp(-net2));
out1=hardlim(net1);
out2=hardlim(net2);
net=b0+b1*out1+b2*out2
out=net
plot(x,out)

Nosotros Carlos Araujo y Marco Hinojosa afirmamos que esta actividad es de mi autora y
establezco que para la elaboracin de la misma he seguido los lineamientos del Cdigo de tica
de la Universidad de las Fuerzas Armadas ESPE

Pgina 11