SoloCodigo

Buen día a todos, pues soy un fan de las redes neuronales artificiales, por mucho tiempo he leído sobre el perceptron y aunque me ha sido bastante difícil poder comprender (en parte) su funcionamiento, sigo teniendo grandes dudas, yo creo que la mejor forma de entender el funcionamiento de un perceptron es aplicándolo en algún algoritmo y/o algún caso.

Pues bien, últimamente estaré por el foro compartiendo lo que valla entendiendo, otra cosa es que tengo muchas dudas, y agradecería el apoyo de quien me lo pudiera brindar.

Gracias desde ya, y nos vemos pronto.

Hola a todos, pues ando tratando de aprender redes neuronales artificiales, conosco algunos conceptos basicos, estoy tratando de entender el funcionamiento del perceptron simple .... en youtube encontre un video que me ayudo a entender de una forma muy global el funcionamiento del perceptron para la puerta logica OR. Mi gran problema es no contar con un tutor al que le pueda hacer mis consultas, espero que aqui se me pueda dar una mano. Este es el grafico que ilustra la informacion que encontre.

img148.imageshack.us/img148/7518/imageng.png (lo puse asi porque no me dejaba publicar fotos)

a) Tengo algunas dudas al respecto. Este perceptron aprende por correccion de error ¿asistida? ... es decir que es necesario que halla una persona para conprobar que la neurona aprendio ... es correcto ¿?

b) En el ejemplo la formula usada para el reajuste de pesos se usa siempre para esta puerta logica ¿? ... o es consecuencia de alguna otra formula quizas ¿? ...

Gracias por el tiempo y estare dandome vueltas mas seguidas por aqui.
Saludos.

Bueno se trata sobre una lista, Resulta que he creado una clase llamada Usuario y hago lo siguiente con una lista, desde un formulario:

Dim lista as new List(of Usuario)(n)

Donde n es una variable cuyo valor no importa en este caso, la duda es que no entiendo que funcion cumple n en esa lista, ¿para que sirve?, ¿es parte de la declaracion?, bueno e buscado sobre la sintaxis de las listas pero no e encontrado este caso en particular, agradeceria si alquien me pudiese explicar, Saludos.

Gracias por tomarte un tiempo para contestarme, seguire leyendo cuantas veces sea necesario para entender el ejemplo. Graias. Te aviso cuando lo entienda o cuando tenga otra duda.

¿Como se que funcionde transferencia usare para determinada neurona? ¿Cuando usare Harlim, o Hardlims..etc..etc...? y ¿Se pueden usar mas de una funcion para una neurona o solo se puede usar una?

Agradeceria si pusieras un ejemplo completo con una o si es posible para ti con mas neuronas. Asi seria mas sencillo para empezar a plantearme problemas e ir poniendo en practica lo que en estos dias e aprendido, Gracias. Y disculpa si es mucho pedir. Gracias de nuevo.

Hola de nuevo, pues gracias nuevamente y haber si me confirmas lo que acabo de aprender:

Sobre funciones AND, OR, XOR
AND(*): Devolvera "1" solo si todas las entradas son igual a 1, para todos los demas caso retornara "0".
OR(+): Devolvera "1" siempre y cuando haiga un "1" en algunas de las entradas, solo si todas las entradas son "0" devolvera "0".
XOR: Devolvera "1" siempre y cuango ambas entradas sean diferentes. Aqui tengo otra duda, ¿el XOR solo sirve para comparar 2 valores o entradas?

Ejemplo de los 9 amigos:
Entradas en orden = {1,1,1,1,1,1,1,1,1}
Pesos en orden={1,2,2,2,2,3,3,3,5}
Sumatoria de X*Y =23
indicando así que la neurona puede estar más o menos activada. A que te refieres con esto?

No entiendo esto por favor te agradeceria si me lo explicas nuevamente. PD: Se que 2 en decimal es "0010" en binario y que "5" en decimal es 0101 en binario y que "6" en decimal es "0110" en binario. ¿Quizas no te refieres a eso?

En el caso he aplicado un 'or' porque voy 'sumando' es decir 2d (01 en binario) 'or' 5d (1001 5 en binario) = 6d (1011 6 en binario).

a)1º (1*1) + 2º(2*1) + 3º(2*1) + 4º(2*1) + 5º(2*1) + 6º(3*1) + 7º(3*1) + 8º(3*1) + 9º(5*1)
B)1º (*1) + 2º(*2) + 3º(*2) + 4º(*2) + 5º(*2) + 6º(*3) + 7º(*3) + 8º(*3*1) * 9º(*1)

Se uso OR y el operador +
Se uso AND y el operador *
En conclucion para AND se usa el operador "+" y para OR se usa el operador "*". Es correcto ¿?

Bien bien, resulta que todo esto ya lo tengo entendido aunque como es natural aun sigo con algunas dudas, con lo que respecta a la funcion umbral o valor umbral, tengo entendido que para que una neurona se active el valor de la suma de las entradas por los pesos debe ser lo mas proximo a ese valor umbral, que de cierto tiene esto¿?. Si la suma es mayor a ese umbral la neurona generara una salida de "0" y si la suma es igual o menor al umbral generara una salida de "1" (claro esta que aun no estoy considerando el aprendizaje).

Nuevamente muchas gracias por tomarte el tiempo para responderme, ya que me interesa mucho el tema y se que responder a este tipo de post toma tiempo, Muchas gracias nuevamente y saludos.

       

Hola de nuevo. Gracias Nebire por contestar mi post anterior, no quise seguirlo porque no sabia como cambiar el titulo, pero en fin, gracias por tu respuesta y esperare por el ejemplo que te encuentras elaborando; mientras tanto despues de tanto leer y buscar en google, por fin e logrado comprender el funcionamiento de una Neurona. Aqui dejo el ejemplo para que todos vean como lo he conseguido y de paso me digan si es correcto:

Redes neuronales artificiales: Aprendizaje Supervisado
Ejemplo de entrenamiento:

Aprender las entradas:   

Entrada = {1,1} deberá producir la salida = {1}
Entrada = {0,0} deberá producir la salida = {0}
Pesos iniciales: {-1,-1}
Constante de aprendizaje: {1}

Función de transferencia:    rampa   
   
Si el resultado de la suma < 0, entonces la salida = 0
Si el resultado de la suma >= 0 y <= 1,  entonces la salida = entrada
Si el resultado > 1, entonces la salida  = 1

Presentamos el primer objeto:

     -1
1=====|...............|...............|
             |...............|...............|
     -1     |Sumatoria|activacion | ============>
1=====|...............|...............|

Usando la función suma tenemos: 1*-1 + 1*-1 = -2
Aplicando este resultado, la función T:   0

Recordemos que:Entrada = {1,1} debería producir la salida = {1}
De momento, la salida obtenida fue = {0}
Por tanto, hace falta… un ajuste sináptico

Constante = 1
Error = salida esperada - salida obtenida
Peso nuevo = Peso antiguo + ( Error  *  Entrada *  Constante)

Se aplica la regla Delta:
Ajuste para el peso 1
Error = 1- 0 = 1
Peso nuevo =  -1 + (1 * 1 * 1) = 0

Ajuste para el peso 2
Error = 1 - 0 = 1
Peso nuevo = -1 + (1 * 1 * 1) = 0

El primer objeto se presenta nuevamente:

     0
1=====|...............|...............|
             |...............|...............|
     0     |Sumatoria|activacion | ============>
1=====|...............|...............|

Usando la función suma tenemos: 1*0 + 1*0 = 0
Aplicando este resultado, la función T:1

1. Si presentamos nuevamente el segundo objeto, verificaremos que el resultado calculado es el esperado.
2. Se considera, entonces, que la red ha aprendido

Bueno pues con ese ejemplo e logrado enteder el funcionamiento aunque aun me pregunto lo siguiente:

En ese ejemplo solo hay 2 entradas, segun la formula dice que si las dos entradas  tienen un valor 1 generan un valor de salida 1, la pregunta es la siguiente: Que pasaria si son 5 o mas entradas como sabria yo, cuantas deberian ser 1 para que mi salida sea 1. Espero me entiendan.

Gracias.


PD: DIsculparan la representacion de la neurona pero no me dejo poner este post con links,. no se porque. Saludos.

Holas pues aqui mi primera pregunta. Segun todo lo que he ledido conosco lo siguiente:

Una red neuronal artificial o RNA, es un metodo de aprendizaje y procesamiento automatico inspirado en el funcionamiento del cerebro humano. Es un conjunto de neuronas interconectadas (RED) que colabora para producir un estimulo o salida (0=inhibitoria  ó 1=excitatoria).

La unidad anatomica por asi decirlo de nuestra RNA es la NEURONA, esta neurona recibe entradas atraves de conexiones con otras neuronas (SINAPSIS) y segun una funcion umbral o de activacion emite una salida(0 ó 1).

Duda 1: La duda que tengo es. ¿si la salida de una neurona es 0, esto significa que esa neurona no hara SINAPSIS con cualquier otra que se encuentre a su costado y en el caso que la salida sea 1, si se produce la SINAPSIS con otra neurona que este a su costado?

Las redes neuronales pueden ser de dos tipos.
- Supervisadas (Necesitan de la intervencion de un agente* para su aprendizaje).
- No supervisadas (No necesitan de la intervencion de un agente* para su aprendizaje)

*Entiendase como agente a una persona.

Bueno es un pequeño resumen de muchas paginas, las cuales he leido muchas veces. Haber si alquien me ayuda a salir de dudas. Estare de regreso pronto.