SIRN PaternoM Sa Lab1 19645

SISTEMAS INTELIGENTES Y REDES NEURONALES
INFORME DE LABORATORIO 1
SIRN_PaternoM Horario Laboratorio: Sbado 11:30 13:00
ALUMNO: MARCO ANTONIO QUISPE PALACIOS
DOCENTE: JOSE CARLOS BENITEZ PALACIOS
I.
EJERCICIOS Y TAREAS DESARROLADOS DEL AULA DE LABORATORIO

Sesin 1 del 09/05/15: Archivo SIRN_PaternoM_Lab1A.m
Docente:
1. Se calcula la salida de las redes neuronales monocapa.
Ver script del archivo, nmero de lnea: 24 a 26.
2. Se calcula la salida de la red multicapa
En la semana 1 no se realiz practica de laboratorio solo se indic el tipo
de software que se utilizara para el curso para poder resolver problemas
aplicados a las redes neuronales y tambin ,Todos los alumnos nos hemos
inscrito en la pgina de Dropbox para poder compartir los trabajos que deja
el docente y que se deben entrenar a la fecha indicada
Alumno
1. Ejercicio 1
2. Ejercicio 2
Sesin 2 del 16/05/15: Archivo SIRN_PaternoM_Lab1B.m
Docente:
Alumno
1. Ejercicio 1
2. Ejercicio 2
Sesin 3 del 23/05/15: Archivo SIRN_PaternoM_Lab1C.m
Sesin 4 del 30/05/15:
Docente:
Se grafico seales unidimensionales analgicas y discretas

Ver scrpit desde la 33 a 37
Alumno
1. Ejercicio 1:Mostrar varias imgenes en una sola ventana:
2. Ver scrpt en lneas 34 a 38
3. Ejercicio 2
II.
DESARROLLO DEL LABORATORIO
FUNCIONES DE ACTIVACION Y CLCULO DE LA

SALIDA DE LAS REDES NEURONALES ARTIFICIALES
Ayuda para aplicar redes neuronales en matlab

Lgica difusa
Interfaz grafica de redes neuronales

PROCEDIMIENTO
1. Ejercicio 1
Implementar funciones que implementen cada una de las funciones de activacin
(nueve funciones) estudiadas, utilizando su funcin generatriz (no usar los
comandos del Matlab, tales como hardlim, hardlim, purelin, etc.).
Ejemplo:
fHardlims(x)
x es el vector a aplicar la funcin Hardlims.

La funcin fHardlim debe graficar el vector x en color rojo y el resultado de la
aplicacin de la funcin de activacin en color azul sobre el mismo grfico.
Funciones tipo escaln
fharlim

Utilizada en redes Perceptron

fharlims
Utilizada en redes Perceptron

Funcion lnea
Fpurelin
Utilizada en redes adaline o en la ltima capa de las MLP. ,La salida es igual que la
entrada,
Fposlin

Fsatlin
Utilizada en las redes Hopfield Para la salida de valores [0,1],

Fsatlins
Para la salida de valores [-1,1],

Funciones Tipo No Lineal
Ftansig
Para la salida [-1,1], funcin tangente sigmoidal hiperblica,

Flogsig
Para la salida [0,1], funcin sigmoide logaritmica,
Ftribas

Fradbas
Utilizada en redes de base radial La respuesta es de una funcin gaussiana,

10
2.- Disear una red monocapa de 10 neuronas y 5 neuronas procesadoras, cuya

funcin de transferencia es hardlims. Proporcionar los valores necesarios y hallar
la salida de la red. Cada entrada es un vector de 10 nmeros enteros aleatorios
con valores comprendidos entre -5 y 5. No olvidarse de las bias.
%#10 NEURONAS
%------------------------------------------------------------------%CE +CS = 10 NEURONAS =>5/5
%------------------------------------------------------------------%--C. ENTRADA
C. SALIDA % 5
5
%
%----------------10------------------Aplicando la funcion de transferencia hardlims
K =
Columns
1
1
1
1
1
Columns
-1
-1
-1
-1
-1
1 through 8
1
1
-1
1
1
-1
1
1
-1
1
1
-1
1
1
-1
9 through 10
1
1
-1
-1
-1
1
-1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
Tenemos una red mono capa de 10 neuronas

5 neuronas procesadoras
5 neuronas no procesadoras

11
3.- Disear una red tricapa de 31 neuronas, de las que 21 son procesadoras. Las
neuronas procesadoras de la salida son 3 menos que la capa oculta, y la primera
capa procesadora oculta tiene 2 neuronas procesadoras ms que la segunda. La
funcin de transferencia de la primera capa procesadora es igual al de la ltima;
ambas son hardlims. Proporcionar los valores necesarios y hallar la salida de la
red. Cada entrada es un vector de 15 nmeros reales alea
O1 =
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
>>
O2 =
O3 =

-1
12
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
-1
En esta red tricapa se estn usando funciones hardlims y hardlmi

Este tipo de funciones tiene mucha aplicacin en los mlp slp
4.-Plantear un ejercicio de diseo similar a los anteriores 2 y 3), con datos y valores
diferentes; y hallar la salida.

13
Se planteo un ejercicio con funciones hardlims y hardlim
5. Graficar la salida cuando a las seales dadas se les aplica las funciones de
transferencia escaln, no lineal, saturacin y competitiva:
a. Seales: unidimensionales, bidimensional y tridimensionales.
b. Seales:
i. Un sonido en mono (su nombre) centrado sobre el eje vertical,
ii. Una imagen en escala de grises (su foto) centrado en el eje vertical.
Se puede observar en el grafico la diferentes seales unidimensionales , bidimensionales ,

tridimensionales a las cuales se les aplica funciones de transferencia
Se puede observar en el siguiente grafico que casi toda la seal es continua solo una amplitud
diferente en 0.5

14
diferente en 0.5
diferente en 0.5

15
Se observa una seal pulso en 0.5 aproximadamente con una amplitud de 0.5
Pendiente positiva con una amputad mxima de 10

16
Tenemos una funcion continua con una amplitud de 1

17
Tenemos una funcion creciente que mientras los valores en el eje x aumentan la amplitudes tambin
aumentan

18
d
Seal de decreciente
que comienza con una amplitud con aproximado de 0.8

19
Sea en tiempo discreto con pendiente positiva

20

21

22

23

24

25

26
Figur
Se hizo uso de la funcion mesh para poder graficar dicha forma tridimensional

27
Figura
Podemos apreciar que al aplicarle la funcion hardlim se vuele un plano con un barrido hacia los limites - 5 5
en todos los ejes
Figura
Del mismo modo al aplicar la funcion hardlims

28
Figura
El resultado de la figura 12 se obtiene al aplicar la funcion compet
Ejercicio 5
a. Parte a
Tenemos la seal de voz aplicando las funciones de transferencia

29

30

31

32

33

34

35

36

37

38
Ejercicio 5
Parte b.2
Imagen rgb en bmp

39

40
Imagen binaria al aplicar la funcion tribas

41

42
Imagen binaria al aplicarle la funcion purelin

43
Imagen amorfa al aplicar la funcion seno

44

45
Imagen binaria al aplicarle la funcion rafbas

46
Imagen en escala de grises

47
6. Hallar la salida de la siguiente RNA utilizando cada una de las funciones de

transferencia escaln, no lineal, satura
cin y
competitiva:

48

49
Datos:
CUESTIONARIO
1. Resultados (Desarrollados anteriormente)
2.
2. Crear tres RNA tricapa y utilice funciones de activacin diferentes, una para cada
capa procesadora, proporcione las entradas vectoriales de 5 valores, las bias y
halle la salida de cada una de las RNA, indicando si sus salidas son excitatorias o
inhibitorias.
O3 =
Columns 1 through
0.0001 0.0184
0.0000 0.0001
1.0000 0.3684
Column 5
0.0001
0.0000
1.0000
4
0.3679
0.0243
0.0243
0.3684
0.0000
1.0000

50
Conclusiones y Recomendaciones.
Se dio por entendido por que es mejor trabajar en formato bmp que en jpg por que asi nos evitamos
muchos erroes
Hemos aprendido a travs de este laboratorio las alternativas que tenemos con la herramienta matlab
en el uso de funciones caractersticas de redes neuronales artificiales.
Por medio de las funciones de transferencia podemos modificar o darle efectos a una imagen
predeterminada.
Podemos crear o disear una red neuronal artificial y obtener sus salidas deseadas.
Aprendimos tambin que con el programa matlab podemos grabar y guardar nuestra voz u otro audio
en formato wav para su respectivo tratamiento.
Hay muchas funciones de transferencia, y algunas otras aparte de las aprendidas en esta
experiencia.
As como tambin es mejor trabajar con la imagen o foto previamente convertida a tono gris, es decir
a blanco y negro.
A la conclucion que pude llegar con respecto es que las funciones lgicas sirven de ayuda
en todos los aspectos desde el aspecto matemtico, audio, e imgenes que se pueden
trabajar desde Matlab las matrices estn en todas las funciones o en todo aspecto.

51

SIRN PaternoM Sa Lab1 19645

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

SIRN PaternoM Sa Lab1 19645

Uploaded by

Copyright:

Available Formats

SISTEMAS INTELIGENTES Y REDES NEURONALES

ALUMNO: MARCO ANTONIO QUISPE PALACIOS

DOCENTE: JOSE CARLOS BENITEZ PALACIOS

EJERCICIOS Y TAREAS DESARROLADOS DEL AULA DE LABORATORIO

Se grafico seales unidimensionales analgicas y discretas

DESARROLLO DEL LABORATORIO

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Ayuda para aplicar redes neuronales en matlab

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

x es el vector a aplicar la funcin Hardlims.

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Utilizada en redes Perceptron

Utilizada en redes Perceptron

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Utilizada en las redes Hopfield Para la salida de valores [0,1],

Para la salida de valores [-1,1],

Para la salida [-1,1], funcin tangente sigmoidal hiperblica,

Para la salida [0,1], funcin sigmoide logaritmica,

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Utilizada en redes de base radial La respuesta es de una funcin gaussiana,

FUNCIONES DE ACTIVACION Y CLCULO DE LA

2.- Disear una red monocapa de 10 neuronas y 5 neuronas procesadoras, cuya

Tenemos una red mono capa de 10 neuronas

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

En esta red tricapa se estn usando funciones hardlims y hardlmi

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Se planteo un ejercicio con funciones hardlims y hardlim

Se puede observar en el grafico la diferentes seales unidimensionales , bidimensionales ,

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Pendiente positiva con una amputad mxima de 10

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Tenemos una funcion continua con una amplitud de 1

Tenemos una funcion continua con una amplitud de 1

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Tenemos una funcion continua con una amplitud de 1

FUNCIONES DE ACTIVACION Y CLCULO DE LA

que comienza con una amplitud con aproximado de 0.8

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Sea en tiempo discreto con pendiente positiva

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

FUNCIONES DE ACTIVACION Y CLCULO DE LA

Imagen rgb en bmp

FUNCIONES DE ACTIVACION Y CLCULO DE LA