Una aproximación práctica a las redes neuronales artificiales

Author: Caicedo Bravo, Eduardo Francisco; López Sotelo, Jesús Alfonso
Publisher: Universidad del Valle
Serie: Ingenierías
ISBN: 9789586707671
eISBN Pdf: 9789587655100
Place of publication: Colombia
Year of publication: 2009
Pages: 219

Caption

El propósito general de este libro es ser una guía para que el lector interesado en trabajar con redes neuronales artificiales (RNA), esté en capacidad de solucionar problemas propios de su disciplina usando esta técnica de la inteligencia computacional. La estructura del libro se concibe desde los tipos de aprendizaje, ya que es la característica más importante que poseen las redes neuronales artificiales y en ella radica su principal fortaleza para solucionar y adaptarse a diversos problemas. En este libro se encuentran contenidos teóricos básicos que lo dejarán preparado para afrontar el estudio de libros y artículos de carácter avanzado, acompañado de problemas resueltos que afianzan el saber y el saber hacer.

Cover
TItle page
Copyright page
Índice general
Introducción
Capítulo 1 Generalidades sobre redes neuronales artificiales
- Introducción
- Breve reseña histórica
- De la neurona biológica a la neurona artificial
  - La neurona biológica
  - La neurona artificial
  - Procesamiento matemático en la neurona artificial
- Red neuronal artificial
- Arquitecturas de redes neuronales artificiales
  - Redes monocapa
  - Redes multicapa
  - Redes feedforward
  - Redes recurrentes
- El aprendizaje en las redes neuronales artificiales
  - Aprendizaje supervisado
  - Aprendizaje no-supervisado
- Ejemplo de procesamiento de la información en una red neuronal
- Nivel de aplicación
Capítulo 2 Redes neuronales perceptron y adaline
- Introducción
- Red neuronal perceptron
  - Arquitectura de un perceptron
  - Algoritmo de aprendizaje
- Red neuronal adaline
  - Arquitectura
  - Algoritmo de aprendizaje
- Limitaciones del perceptron
- Aproximación práctica
  - Construcción de un perceptron usando MATLAB®
  - Solución de la función lógica AND con un perceptron
  - Exportando la red neuronal a simulink
  - Solución de la función lógica AND con UV-SRNA
  - Clasificador lineal con UV-SRNA
  - Reconocimiento de caracteres usando el Perceptron
  - Reconocimiento de caracteres con UV-SRNA
  - Filtro adaptativo usando una red adaline
  - Filtrado de señales biomédicas
  - Filtrado de señales de voz
- Proyectos propuestos
Capítulo 3 Percetron multicapa y algoritmo backpropagation
- Introducción
- Arquitectura general de un perceptron multicapa
- Entrenamiento de un MLP
  - Nomenclatura del algoritmo backpropagation
  - Algoritmo backpropagation: regla delta generalizada
  - Pasos del algoritmo backpropagation
  - Algoritmo gradiente descendente con alfa variable
  - Pasos del algoritmo gradiente descendente con alfa variable
- Algoritmos de alto desempeño para redes neuronales MLP
  - Algoritmo de aprendizaje del gradiente conjugado
  - Algoritmo de aprendizaje levenberg marquardt
- Consideraciones de diseño
  - Conjuntos de aprendizaje y de validación
  - Dimensión de la red neuronal
- Velocidad de convergencia del algoritmo
  - Funciones de activación
  - Pre y pos-procesamiento de datos
  - Regularización
- Aproximación Práctica
  - Solución del problema de la función XOR con MATLAB®
  - Aprendizaje de una función seno con MATLAB®
  - Aprendizaje de la función silla de montar con MATLAB®
  - Solución del problema de la XOR con UV-SRNA
  - Identificación de sistemas usando redes neuronales MLP
  - Pronóstico de consumo de energía (demanda)
  - Aplicación a la clasificación de patrones (el problema de IRIS)
- Proyectos propuestos
Capítulo 4 Red neuronal de hopfield
- Introducción
- Memoria autoasociativa bidireccional (BAM)
  - Arquitectura de la BAM
  - Memoria autoasociativa
  - Procesamiento de información en la BAM
- Modelo discreto de hopfield
  - Procesamiento de aprendizaje
  - Principio de funcionamiento
  - Concepto de energía en el modelo discreto de hopfield
  - Ejemplo de procesamiento
- Modelo continuo de hopfield
  - Modelo continuo de hopfield de una neurona
  - Función de energía para el modelo continuo de hopfield
- Aproximación práctica
  - Red tipo hopfield con MATLAB®
- Proyectos propuestos
Capítulo 5 Mapas auto-organizados de kohonen
- Introducción
- El modelo bioinspirado de kohonen
- Arquitectura de la red
- Algoritmo de aprendizaje
  - Consideraciones iniciales
  - Modelo matemático
  - Ejemplo
- Principio de funcionamiento
- Aproximación práctica
  - Capacidad para reconocer grupos de patrones de un mapa de kohonen
  - Capacidad de autoorganización de los mapas de kohonen usando MATLAB®
  - Capacidad de autoorganización de los mapas de kohonen usando UV-SRNA
  - clasificación de patrones usando mapas de kohonen
- Proyectos propuestos
Capítulo 6 Red neuronal de base radial (RBF)
- Introducción
- El problema de interpolación
- Redes de base radial
  - Arquitectura de una red de base radial
  - Entrenamiento de la red RBF
- Diferencias entre las redes MLP y RBF
- Aproximación práctica
  - Ejemplo de interpolación exacta con MATLAB®
  - Aprendizaje de la función XOR
  - Aprendizaje de una función de una variable
  - Identificación de la dinámica de un sistema con una red RBF
- Proyectos propuestos
Bibliografía

Subjects

Back

Viewers online

Text
Audio

Download options

Adobe DRM
Loan duration: 21 days
Format: PDF

Existing customer

Email

Password

NEW USER

Una aproximación práctica a las redes neuronales artificiales

Subjects

Viewers online

Download options