6.3 RED de Retro-propagación 6.3.1 Modelo y Arquitectura de la Red. 6.3.2 Algoritmo de Aprendizaje.

1. UNIDAD VI Redes de propagación hacia delante y aprendizaje supervisado 6.3 RED de Retro-propagación 6.3.1 Modelo y Arquitectura de la Red. 6.3.2 Algoritmo de Aprendizaje.

2. 6.3 RED De Retro-propagación 6.3.1 Modelo Y Arquitectura De La Red

3. Multilayer Perceptron R – S 1 – S 2 – S 3 Network

4. Arquitectura general de una red de propagación hacia atrás

16. Superficie de error

21. MATLAB RED BACKPROPAGATION

36. 6.3 RED De Retro-propagación 6.3.2 Algoritmo de Aprendizaje y Entrenamiento

40. Algoritmo de retropropagación Primer Paso

41. Algoritmo de retropropagación Segundo Paso

42. Algoritmo de retropropagación Tercer Paso

43. Suponer que se quiere utilizar una RNA (1-2-1)para aproximar la función :

44. Entrenamiento Si p = 1 y entonces:

45. Entrenamiento La salida de la primera capa es:

46. Entrenamiento Mientras que la salida para la segunda capa es : Y se calcula el error de la red que será de:

47. Entrenamiento Etapa 2 retropopagación de la sensibilidad. Se necesita derivar las funciones de transferencia de las capas de la Red:

48. Entrenamiento El punto de inicio se encuentra en la segunda etapa : La sensibilidad de la primera capa se calcula al retropropagar la sensibilidad desde la segunda capa :

49. Entrenamiento La etapa final del algoritmo conlleva la actualización de los pesos :

50. Entrenamiento La etapa final del algoritmo conlleva la actualización de los pesos y umbrales, para la capa de salida:

51. Entrenamiento Y para las capas ocultas:

52. Entrenamiento Estos resultados completan la primera iteración del algoritmo de la retropropagación. Se continuará iterando hasta que la diferencia entre la respuesta de la red y la función objetivo alcance algún nivel aceptable.

55. Superficie de error

56. UNIDAD VI Redes de propagación hacia delante y aprendizaje supervisado 6.4 Solución de problemas con MATLAB