El Perceptrón es un sistema de aprendizaje basado en ejemplos capaz de realizar
tareas de clasificación. La salida de la red Perceptrón, al ser binaria, solo
puede codificar un conjunto discreto de estados. Si las salidas fueran números
reales, podrían codificar cualquier tipo de salida y se convertiría en sistemas de
resolución de problemas generalas.
La Red ADALINE
ADALINE, (Adaptative Linear Element) fue creado por Widrow y Hoff en 1960. Está red promovió
avances esenciales en el área de las redes neuronales artificiales, algunas de las contribuciones
son:
Desarrollo de un algoritmo de aprendizaje de la "ReglaDelta".
Aplicaciones en solución de problemas en procesamiento de señales.
El primer uso de las RNA’s en ambiente industrial.
Widrow y Hoff propusieron un sistema de aprendizaje que tomara en cuenta el error producido.
ADALINE es una estructura idéntica a la del Perceptrón. Es una elemento combinador
adaptativo, que recibe un conjunto de entradas y las combina para producir una salida.
El aprendizaje en este caso incluye la diferencia entre el valor real producido
en la capa de salida para un patron de entrada p, perteneciente al conjunto de
aprendizaje. A esta regla de aprendizaje se le conoce como la Regla Delta.
La Regla Delta
No es posible conseguir una salida exacta, pero sí minimizar la desviación
cometida por la red, esto se hace minimizando el error cometido por la red
para la totalidad del conjunto de patrones de aprendizaje. Hay que evaluar
globalmente el error cometido por la red para todos los patrones, una medida
de error global utilizada es el error cuadratico medio.
Descargar el código en Python y tabla excel:
Comments