Redes Neuronales
Contenido
Funciones de transferencia (activación)
Para graficar, se ha creado una función, que se puede descargar en el siguiente enlace. Asegurese que al momento de utilizar la función, esta se encuentre en el mismo directorio donde se está trabajando.
n = -4:0.01:4;
graficarfa(n,hardlim(n),[-6,6,-1,2])
graficarfa(n,hardlims(n),[-5,5,-3,3])
graficarfa(n,purelin(n),[-5,5,-3,3])
graficarfa(n,satlin(n),[-5,5,-1.5,2])
graficarfa(n,satlins(n),[-5,5,-1.5,1.5])
graficarfa(n,logsig(n),[-5,5,-0.5,1.5])
graficarfa(n,tansig(n),[-5,5,-1.5,1.5])
graficarfa(n,poslin(n),[-5,5,-0.5,3.5])
Notación
Escalares: 
Vectores: 
(en el libro son negritas)
(en el libro son negritas)Matrices: 
(en el libro son mayúsculas negritas)
(en el libro son mayúsculas negritas)Neurona con una entrada
En general se busca encontrar los valores de los pesos y la desviación (parámetros), mediante distintos algoritmos (reglas de aprendizaje). Mientras que se propone la función de activación
nnd2n1
Neurona con multiples entradas
nnd2n2
S-Neuronas con R-entradas
Esquema simplificado
Arquitetura de la red
Nota:
Para acceder a las apps de libro de Hagan:
nnd
Problemas
n = 2.3 * 2 - 3
n = 1.6000
La entrada de la función de transferencia es 1.6
Si se realiza la operación a mano
No puede ser determinada pues la función de tranferencia no está especificada
a1 = hardlim(n)
a1 = 1
a2 = purelin(n)
a2 = 1.6000
a3 = logsig(n)
a3 = 0.8320
w = [3 2]
p = [-5;6]
b = 1.2
b = 1.2000
n = w * p + b
n = -1.8000
Si se realiza la operación a mano
si se calcula la salida de la neurona para cada función de transferencia
a1 = hardlims(n)
a1 = -1
a2 = satlin(n)
a2 = 0
a3 = tansig(n)
a3 = -0.9468
i) Dos neuronas, una para cada salida.
ii) Tiene dos filas (una por neurona) y seis columnas (una para cada entrada).
iii) De acuerdo al rango de las funciones de transferencia se necesita una función logsig.
iv) No hay suficiente información para determinar la desviación.
Referencias
El material se toma del libro de Matin Hagan et. al. enlace