Aprendizaje Asociativo
ESTIMULO RESPUESTA
Red Asociativa Simple
1 , stimulus 1, response
p = a =
0 , no stimulus 0, no response
Asociador de Fruta
En forma de Vector:
W( q ) = W (q – 1 ) + αa( q ) p T( q )
Secuencia de Entrenamiento:
p (1 ), p ( 2 ), … , p (Q )
Ejemplo: Identificador
Pesos Iniciales:
0
w = 1, w ( 0) = 0
Secuencia de Entrenamiento:
0 0
{ p ( 1 ) = 0 , p ( 1 ) = 1 }, { p ( 2 ) = 1 , p (2 ) = 1 }, …
α=1
w (q ) = w ( q – 1 ) + a (q ) p (q )
w( 1 ) = w (0 ) + a ( 1 ) p ( 1 ) = 0 + 0 ⋅ 1 = 0
Ejemplo (nnd13uh)
Segunda Iteración (Aspecto presente):
0 0
a (2 ) = hardlim (w p (2 ) + w (1 )p (2 ) – 0.5 )
= hardlim (1 ⋅ 1 + 0 ⋅ 1 – 0.5 ) = 1 (banana)
w( 2 ) = w (1 ) + a ( 2 ) p ( 2 ) = 0 + 1 ⋅ 1 = 1
w( 3 ) = w (2 ) + a ( 3 ) p ( 3 ) = 1 + 1 ⋅ 1 = 2
W (q ) = (1 – γ )W (q – 1 ) + αa( q ) p T( q )
w (1 ) = w ( 0 ) + a ( 1 ) p ( 1 ) – 0.1w( 0 ) = 0 + 0 ⋅ 1 – 0.1 ( 0 ) = 0
w (2 ) = w ( 1 ) + a ( 2 ) p ( 2 ) – 0.1w( 1 ) = 0 + 1 ⋅ 1 – 0.1 ( 0 ) = 1
Ejemplo (nnd13hd) (nnd13edr)
Tercera Iteración (No vista):
0 0
a ( 3 ) = hardlim ( w p (3 ) + w (2 ) p (3 ) – 0.5 )
= hardlim ( 1 ⋅ 0 + 1 ⋅ 1 – 0.5 ) = 1 (banana)
30 10
20
6 m ax α 1
wi j = --- = ------- = 10
γ 0.1
4
10
Regla de Hebb 2
Hebb Con Degradación
0 0
0 10 20 30 0 10 20 30
Problema en Hebb con Degradación
• La asociación se degradará si el estimulo no se presenta
ocasionalmente. 3
Si ai = 0, Entonces, 2
wij ( q ) = (1 – γ )w ij (q – 1 )
wi j( q ) = ( 0.9 )wi j( q – 1 )
0
0 10 20 30
Instar.
Reconoce
patrones.
Instar (Operación)
a = hardlim ( Wp + b ) = hardlim ( 1w T p + b )
La instar estará activa cuando
wT p ≥ –b
1
1w
o si γ es igual a α
w ij ( q ) = wij ( q – 1 ) + α a i( q ) ( p j ( q ) – wi j( q – 1 ) )
En forma de Vector:
iw (q ) = iw ( q – 1 ) + αa i( q ) (p ( q ) – iw (q – 1 ) )
Representación Gráfica
Para el caso donde el instar está activo (ai = 1):
iw (q ) = iw ( q – 1 ) + α ( p ( q ) – iw( q – 1 ))
or
iw( q ) = ( 1 – α )iw ( q – 1 ) + αp ( q )
Se considera α = γ
Si a (q) = 1
i
Representación Gráfica de la
Regla INSTAR
Cuando la INSTAR
esta activa el vector
de pesos se mueve
hacia el vector de
entrada.
La distancia en que
se mueve el vector
de pesos depende
de α.
Representación Gráfica de la
Regla INSTAR
Si α = 0 ; el nuevo
vector de pesos es
igual al anterior (no
se mueve)
si α = 1 ; el nuevo
vector de pesos es
igual al vector de
entrada (máximo
movimiento)
Representación Gráfica de la
Regla INSTAR
Si α = 0.5 el vector de
pesos se encuentra a la
mitad entre el vector
anterior de pesos y el
vector de entrada.
shape
p = tex ture
w eight
Ejemplo: Reconocedor de naranjas
T
w 0 = 3 ; W( 0 ) = 1w ( 0 ) = 0 0 0
1 1
0 0
p ( 1 ) = 0 , p ( 1 ) = ,
–1 p (2 ) = 1 , p (2 ) = – 1 , …
– 1 – 1
0 1 0 0
1 w (1 ) = 1 w (0 ) + a ( 1 )( p ( 1 ) – 1w ( 0 )) = 0 + 0 – 1 – 0 = 0
0 –1 0 0
Entrenamiento
1
0 0
a ( 2 ) = hardlim ( w p ( 2 ) + Wp ( 2 ) – 2 ) = h ardlim 3 ⋅ 1 + 0 0 0 – 1 – 2 = 1
– 1 (orange)
0 1 0 1
1w ( 2 ) = 1 w( 1 ) + a (2 ) ( p (2 ) – 1 w (1 ) ) = 0 + 1 –1 – 0 = –1
0 – 1 0 –1
1
0 0
a ( 3 ) = hardlim ( w p ( 3 ) + Wp ( 3 ) – 2 ) = hardlim 3 ⋅ 0 + 1 – 1 – 1 – 1 – 2 = 1
–1 (orange)
1 1 1 1
1 w( 3 ) = 1 w( 2 ) + a (3 )( p (3 ) – 1w (2 )) = – 1 + 1 – 1 – –1 = – 1
–1 –1 –1 –1
Regla de aprendizaje
Asociativo
Regla de Kohonen
Regla de Kohonen.
1 w( q ) = 1 w( q – 1 ) + α( p ( q ) – 1w ( q – 1 ) ), for i ∈ X (q )
Entonces, cuando p = 1
wi j( q ) = wi j( q – 1 ) + α ( a i( q ) – w ij ( q – 1 ) ) p j ( q )
En forma de Vector:
w j ( q ) = w j ( q – 1 ) + α ( a( q ) – w j ( q – 1 ) ) p j ( q )
Ejemplo - Recordando una
Piña
Definiciones
a = s atl ins( W0 p 0 + W p )
100
0
W = 010
001
shape –1
0 pi neap ple
p = tex ture p = –1
w eight 1
α=1
0 0 0
a( 1 ) = s atli ns 0 + 0 1 = 0 (no response)
0 0 0
0 0 0 0
w 1 (1 ) = w1 ( 0 ) + (a (1 ) – w 1 ( 0 )) p (1 ) = 0 + 0 – 0 1 = 0
0 0 0 0
Convergencia
–1 0 –1
a ( 2 ) = satlins – 1 + 0 1 = –1 (se dan los datos)
1 0 1
0 – 1 0 –1
w 1 ( 2 ) = w1 (1 ) + (a ( 2 ) – w1 ( 1 ) ) p ( 2 ) = 0 + –1 – 0 1 = –1
0 1 0 1
0 –1 –1
a ( 3 ) = s atli ns 0 + – 1 1 = – 1 (los datos son recordados)
0 1 1
– 1 –1 – 1 –1
w 1 ( 3 ) = w1 ( 2 ) + (a ( 2 ) – w1 ( 2 ) ) p ( 2 ) = – 1 + –1 – – 1 1 = – 1
1 1 1 1