Perceptron Frutas

Implementación

Se tiene una neurona para clasificar frutas en comestibles y no comestibles, la neurona estará en la capacidad de decir por medio de las entradas que frutas son comestibles y cuales no son comestibles.

Cabe resaltar que 1 es si y -1 es no.

Procedimiento:

1. El primer paso sera declarar las entradas de cada fruta y la salida final en base de si es comestible o no.

2. Declarar el umbral que podrá ir de 1 a -1 de forma aleatoria.

3. Los rangos posibles de los pesos serán tomados de manera aleatoria para cada entrada.

4. Dependiendo de cada época el nivel de aprendizaje toma pesos de manera aleatoria.

5. Para el entrenamiento del perceptron se toma cada entrada y se multiplica por el peso. Cada una con su respectiva sumatoria. Si, el resultado es diferente a la salida esperada se ejecuta las veces necesarias hasta que el perceptron este entrenado.

Código c++

Declaración de variables Entradas, pesos, umbral, etc.

Entrenamiento del Perceptron.

Mostrar resultados finales.

Main.

Resultado Ejecución 

Época 2:

Época 3:

Época 4:

Época 6:

Época 7:

Época 8:

Algoritmo Genético

Elaborar un algoritmo genético que max f(x1,x2) = 21.5 + x1 sen(4π x1) + x2 sen(20π x2)

Rango:

-3.0 ≤ x1 ≤ 12.1

-3.0 ≤ x1 ≤ 12.1

Representación binaria (5) individuos:

Individuo 1:

Individuo 2:

Individuo 3:

Individuo 4:

Individuo 5:

	f(x)	%
	2690,7	47,9
	-1050,2	-18,7
	21,5	0,38
	787,6	14,04
	3157,2	56,31
Total	5606,8

Selección:

Perceptron Multicapa

Perceptrón Multicapa

Función XOR:

Formulación de ecuaciones:

Evaluar Casos:

Caso 1: 

x1 = 0 and x2 = 0

Reemplazando:

h1 = 0

h2 = 0

Caso 2: 

x1 = 0 and x2 = 1

Reemplazando:

h1 = 0(2) + 1(-2) h1 = -2

h2 = 0(-1) + 1(-2)  h2 = -2

Caso 3: 

x1 = 1 and x2 = 0

Reemplazando:

h1 = 1(2) + 0(-2) h1 = 2

h2 = 1(-1) + 0(-2)  h2 = -1

Caso 4: 

x1 = 1 and x2 = 1

Reemplazando:

h1 = 1(2) + 1(-2) h1 = 0

h2 = 1(-1) + 1(-2)  h2 = -3

Calculo de la salida

Caso 1:

x1 = 0 and  x2 = 0

Reemplazando:

y = 0(1) +  0(-1)  y = 0

Caso 2:

x1 = 0 and  x2 = 1

Reemplazando:

y = -2(1) +  (-2)(-1)  y = 0

Caso 3:

x1 = 1 and  x2 = 0

Reemplazando:

y = 2(1) +  (-1)(-1)  y = 3

Caso 4:

x1 = 1 and  x2 = 1

Reemplazando:

y = 0(1) +  (-3)(-1)  y = 3

Actualización de pesos:

alfa = 0.2

Caso 1: x1 = 0 and  x2 = 0

Los pesos no cambian porque la salida deseada es igual a la obtenida.

Caso 2:  x1 = 0 and x2 = 1

Caso 3:  x1 = 1 and x2 = 0

Los pesos no cambian porque la salida deseada es igual a la obtenida.

Caso 4: x1 = 1 and x2 = 1

Entradas		Pesos						Salidas
x1	x2	w11	w12	w1	w2	w21	w22	salida deseada	salida obtenida
0	0	2	-2	1	-1	-1	-2	0	0
0	1	2	-1.8	-0.36	-0.36	-1	-1.8	1	1
1	0	2	-1.8	-0.36	-0.36	-1	-1.8	1	1
1	1	2	-1.6	-0.32	-0.32	-1	-1.6	0	0

Perceptron

Perceptrón Simple 

Ecuaciones y condiciones:

Si > 0 = 1

Si < 0 = 0

Si la salida obtenida  salida deseada

	Entradas			Pesos			Salida
Época 1	x1	x2	b	w1	w2	wb	salida deseada	salida obtenida
	1	1	-1	0,8	1,2	0,5	1	1
	1	0	-1	0,8	1,2	0,5	1	1
	0	1	-1	0,8	1,2	0,5	1	1
	0	0	-1	1,7	2,1	-1,4	1	1
Época 2	x1	x2	b	w1	w2	wb	salida deseada	salida obtenida
	1	1	-1	0,3	1,6	0,9	1	1
	1	0	-1	1,1	1,6	0,9	1	1
	0	1	-1	1,1	1,6	0,9	1	1
	0	0	-1	1,9	2,4	-1,7	1	1