MODELOS DE RNA
PERCEPTRON (Rosenblatt-58)
A
B
A XOR B
PERCEPTRON 2
20 Aos Oscuros.
MADALINE
1
-U
1
2
t
p, j
pj
y pj
PERCEPTRON MULTICAPA 1
EL PERCEPTRON MULTICAPA
Despus de 20 aos, varios investigadores (Hopfield, Kohonen,
Rumelhart, ) encontraron la manera de hacer tiles las RNA.
Retropropagacin del
Error (Algoritmo). En
las capas ocultas, no hay
salida esperada (no hay
medida del error). Se
retropropaga el error
desde la capa posterior.
El Error Cuadrtico se acumula en la salida, sobre todos los
ejemplos. Derivando (regla de la cadena para la funcin de
activacin). Si la activacin es sigmoide, no hay entradas de
tendencia (umbral como peso), y la derivada de la f. activacin es ,
f ' y pj 1 y pj
y aplicando
con:
PERCEPTRON MULTICAPA 2
p w ji pj x pi
pj t pj y pj y pj 1 y pj
pj y pj 1 y pj pk' w kj
si j de salida
si j es oculta
pk se refieren a valores
PERCEPTRON MULTICAPA 3
p w ji n 1 pj x pi p w ji n
SOM
SOM 2
ALGORITMO
1.- Inicializar: Pesos (wij), Iteraciones, Tasa aprendi. (), Vecindad.
2.- Para cada muestra del espacio de entrada x:
2.1.- Obtener PE ganador k tal que |x-wk| = mini|x-wi|
2.2.- Actualizar sus pesos, y los de las unidades vecinas (cjto. S):
wi (t + 1) = wi (t) + (t)h(i, k)(x(t) - wi (t)) iS
RED DE HOPFIELD
N
N
N
1
wij xi ( k ) x j ( k ) i 1U i xi ( k )
i 1 j 1, j i
2
I i xi
finito,DE
noBOLTZMANN
hay mucha
MAQUINA
1
Se puede ver como una generalizacin de la RH, donde las transiciones se hacen como en el Enfriamiento Simulado (annealing).
Se toma T0 inicial alta y una Configuracin inicial aleatoria. La
B
MAQUINA DE BOLTZMANN 2
MB DIFUSA. OPTIMIZAR
si s (k ) 0
IPD(c%
si s (k ) 1
k)
si s(k ) 0
IPD(U%) si s(k ) 1
(4)
Normalizacin optativa:
zi = i hi wij / i hi
Dinmica de la red
La red evoluciona en el espacio de estados, al que ms disminuya
la FE, o sea, al de mayor incremento potencial
FE
E(t)
Dinmica de la Computacin.
Asncrona, Sncrona y otras: Elegir Esquema de Interrogacin
(forma de seleccin) y obtener Estados Adyacentes (posibles nuevos).
Tomar el estado adyacente con < Energa (> Incremento Potencial).
La neurona elegida a (Sa(t) = k), modifica su estado segn la regla:
Sa(t+1) =k sii (Uk(t) Ui(t), i=1, ., N) Y (k=miniI ; I= {m/Um(t)=Ul(t)})
Otras dinmicas para la red.
Seleccionar 2, 3,.., k neuronas para modificarlas (k-asncrona).
Permitir solo algunos estados adyacentes factibles (condicionado)
Esquema secuencial completo + selecciones adicionales aleatorias.
Aceptar cambios de estado de igual energa??.
Modelos de RN. M.r Estructuras. ETSICCP. Nov 11. I. Requena. 21 / 23
Modo K-asncrono.
Hay K*N-1 estados adyacentes el que ms reduzca la energa.
Permitir algn cambio de igual energa da resultados mejores.
Ejemplo, 2-asncrono; sean neuronas a y b (a<b), Sa(t)=k, Sb(t)=l.
El incremento de potencial es:
Cambio
de (a, b) al par que maximice Uk,l (m, n). Si no es nico, tomar
(< k, < l). E(t+1) E(t) y no ciclos converge en t. finito
Modo condicionado
Penalizar los estados no factibles aadiendo trminos en la FE.
Permitir ir solo a estados factibles. Se puede usar una fun. barrera
(la usa RH continua para no sobrepasar los valores extremos 1, -1).
Ejemplo: La neurona solo cambia una unidad (|Sa(t+1)Sa(t)|<1).
Modelos de RN. M.r Estructuras. ETSICCP. Nov 11. I. Requena. 22 / 23