redes neuronales - Departamento de Ingeniería de Sistemas y .PPTVIP

REDES NEURONALES ARTIFICIALES María Jesús de la Fuente Dpto. Ingeniería de Sistemas y Automática Universidad de Valladolid íNDICE Introducción Clasificación de redes neuronales: Estructura Entrenamiento Aplicación de las redes neuronales a la identificación de sistemas Las redes neuronales en el control REDES NEURONALES Neurona: base del funcionamiento del cerebro. Sistema de procesamiento cerebral de la información: Complejo, No lineal y Paralelo. Elementos de que consta: sinapsis, axón, dentritas y soma o cuerpo NEURONA ARTIFICIAL Neurona artificial: unidad de procesamiento de la información, es un dispositivo simple de cálculo que ante un vector de entradas proporciona una única salida. Elementos: Conjunto de entradas, xj Pesos sinápticos, wi Función de activación: w1·x1+ w2·x2 + ... + wn·xn = a Función de transferencia: y = F (w1·x1+ w2·x2 + ... + wn·xn ) Bias o polarización: entrada constate de magnitud 1, y peso b que se introduce en el sumador NEURONA ARTIFICIAL Principales funciones de transferencia: Lineal: y=ka Escalón: y = 0 si a0; y=1 si a=0 Sigmoide Gaussiana. RNA de una capa Una neurona aislada dispone de poca potencia de cálculo. Los nodos se conectan mediante la sinapsis Las neuronas se agrupan formando una estructura llamada capa. Los pesos pasan a ser matrices W (n x m) La salida de la red es un vector: Y=(y1, y2, ... , yn)T Y=F(W·X+b) RNA Multicapa Redes multicapa: capas en cascada. Tipos de capas: Entrada Salida Oculta No hay realimentación = red feedforward Salida depende de entradas y pesos. Entrenamiento I Entrenamiento: proceso de aprendizaje de la red. Objetivo: tener un comportamiento deseado. Método: Uso de un algoritmo para el ajuste de los parámetros libres de la red: los pesos y las bias. Convergencia: salidas de la red = salidas deseadas. Tipos de entrenamiento: Supervisado. Pares de entrenamien