aprendizaje
-
Upload
madelyn-abadillo -
Category
Documents
-
view
214 -
download
0
description
Transcript of aprendizaje
![Page 1: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/1.jpg)
![Page 2: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/2.jpg)
Area Académica: ICBI, Sistemas Computacionales.
Tema: Aprendizaje No Supervisado (Aprendizaje Asociativo)
Profesor: Víctor T. Tomas Mariano.
Periodo:Julio – Diciembre 2011.
Keywords. Associative Learning
![Page 3: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/3.jpg)
Tema: Associative Learnning
Resumen:
Se da una introducción al aprendizaje asociativo mediante la utilización del postulado de Hebb perteneciente a redes de aprendizaje no supervisado
Abstract.
It gives an introduction to associative learning using Hebb's postulate of learning networks belonging tounsupervised.
Keywords: Associative Learnning
![Page 4: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/4.jpg)
Aprendizaje en Redes Neuronales
• El aprendizaje es esencial para la mayoría
de las arquitecturas de redes neuronales;
por lo que la elección de un algoritmo de
aprendizaje es un punto central en el
desarrollo de una red.
![Page 5: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/5.jpg)
Aprendizaje
• El aprendizaje implica que una unidad de
procesamiento es capaz de cambiar su
comportamiento entrada/salida como
resultado de los cambios en el medio.
![Page 6: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/6.jpg)
Aprendizaje
El aprendizaje puede ser: Supervisado, se provee una respuesta correcta durante su entrenamiento. No supervisado, el objetivo a alcanzar no esta presente.
![Page 7: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/7.jpg)
Reglas de Aprendizaje Supervisado
• Regla del Perceptron.
• Aprendizaje de Widrow-Hoff.
• Algoritmo de Retropropagación.
![Page 8: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/8.jpg)
Aprendizaje Auto Supervisado
Las redes con aprendizaje no supervisado (auto supervisado) no requieren influencia externa para ajustar los pesos de las conexiones entre sus neuronas. La red no recibe ninguna información por parte del entorno que le indique si la salida generada en respuesta a una determinada entrada es o no correcta; por ello suele decirse que estas redes son capaces de auto organizarse
![Page 9: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/9.jpg)
Redes con Aprendizaje No Supervisado
En este tipo de redes la salida representa el
grado de familiaridad o similitud entre la
información que se le está presentando a la
entrada y las informaciones que se le han
mostrado hasta entonces.
![Page 10: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/10.jpg)
Aprendizaje No Supervisado
Está constituido por un conjunto de reglas que
dan a la red la habilidad de aprender
asociaciones entre los patrones que ocurren
en conjunto, (frecuentemente).
![Page 11: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/11.jpg)
Aprendizaje No Supervisado
Una vez que los patrones se han aprendido
como asociación le permite a las redes realizar
tareas útiles de reconocimiento de patrones y la
habilidad de recordar.
![Page 12: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/12.jpg)
Reglas de Aprendizaje No Supervisado
Regla de aprendizaje Hebbiana.
• Regla de aprendizaje competitivo.
• Regla de aprendizaje Hebbiana diferencial.
• Regla de aprendizaje competitiva diferencial.
![Page 13: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/13.jpg)
¿Qué es una asociación?
• Es cualquier relación entre la entrada
de un sistema y su salida de tal
forma que cuando el patrón A se
presenta al sistema éste responde
con un patrón B.
![Page 14: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/14.jpg)
Estimulo / Respuesta.
• Cuando dos patrones son relacionados por una asociación, al patrón de entrada se le conoce como estímulo y al patrón de salida se le refiere como respuesta.
![Page 15: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/15.jpg)
Investigadores
Aprendizaje Asociativo
• Teuvo Kohonen (red asociativa lineal)
• James Anderson (red asociativa lineal)
• Stephen Grossberg
(red asociativa no lineal continua)
• D.O Hebb
![Page 16: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/16.jpg)
Investigadores
Aprendizaje Asociativo
Iván Pavlov Experimento
Condicionamiento
•Comida
•Salivación a la comida.
•Campana
•Salivación al oír la campana
![Page 17: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/17.jpg)
Aprendizaje Asociativo
Condicionamiento
Positivo
reforzamiento
Condicionamiento
Negativo
Nocivo
![Page 18: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/18.jpg)
Introducción.
REGLA DE APRENDIZAJE
HEBBIANO NO SUPERVISADO
![Page 19: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/19.jpg)
Aprendizaje Hebbiano
• Donald O. Hebb (1904-1985).
• Padre de Psicobiologia Cognoscitiva.
• The Organization of Behaviour (1942).
• En 1949, su postulado.
![Page 20: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/20.jpg)
Cuando un axón de una celda A esta
suficientemente cerca como para
conseguir excitar una celda B y repetida
o persistentemente toma parte en su
activación, algún proceso de crecimiento
tiene lugar en una o ambas celdas, de tal
forma que la eficiencia de A, cuando la
celda a activar es B, aumenta.
Postulado de Hebb
![Page 21: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/21.jpg)
El aprendizaje Hebbiano consiste
básicamente en el ajuste de los pesos de
las conexiones, de acuerdo con la
correlación de los valores de activación
(salidas) de las dos neuronas
conectadas.
Aprendizaje Hebbiano
![Page 22: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/22.jpg)
•Este algoritmo de tipo no supervisado pretende medir la familiaridad o extraer las características de los datos de entrada. •Este tipo de aprendizaje se basa en el siguiente postulado formulado por Donald O. Hebb en 1949:
Algoritmo Hebbiano
![Page 23: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/23.jpg)
“Cuando un axón de una celda A esta
suficientemente cerca como para conseguir
excitar una celda B y repetida o
persistentemente toma parte en su activación,
algún proceso de crecimiento o cambio
metabólico tiene lugar en una o ambas celdas,
de tal forma que la eficiencia de A, cuando la
celda a activar es B, aumenta”.
Postulado de Hebb
![Page 24: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/24.jpg)
Cuando un peso contribuye en la activación de una neurona, el peso se incrementa. Y si contribuye a la inhibición éste se decrementa.
Postulado de Hebb
![Page 25: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/25.jpg)
Por celda, Hebb entiende un conjunto de neuronas fuertemente conectadas a través de una estructura compleja. Y por eficiencia, la intensidad o la magnitud de la conexión; es decir el peso.
Celda y Eficiencia
![Page 26: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/26.jpg)
•En el reconocimiento de voz.
•En el reconocimiento de imágenes.
•Reconocimiento de patrones .
APLICACIONES.
![Page 27: aprendizaje](https://reader034.fdocuments.us/reader034/viewer/2022051518/563dbb66550346aa9aacd63f/html5/thumbnails/27.jpg)
Bibliografía
Neural Network Design. [Martin T. Hagan, Howard B,
Demuth, Mark Beale – PWS Publishing Company].