red de retro-propagación neuronal
DESCRIPTION
Modelo Y Arquitectura De La Red Algoritmo de Aprendizaje y EntrenamientoTRANSCRIPT
ESCOM I P N Febrero 2006 1
RED De Retro-propagaciónRED De Retro-propagación
Modelo Y Arquitectura De La Red
ESCOM I P N Febrero 2006 2
Red MulticapaRed Multicapa
R – S1 – S2 – S3 Network
ESCOM I P N Febrero 2006 3
Arquitectura general de una red de Arquitectura general de una red de propagación hacia atráspropagación hacia atrás
ESCOM I P N Febrero 2006 4
ESCOM I P N Febrero 2006 5
ARQUITECTURA DE LA RBPARQUITECTURA DE LA RBP
• Esta red puede utilizarse para “Aproximar una función”. Puede aproximar cualquier función con un numero finito de discontinuidades.
ESCOM I P N Febrero 2006 6
IntroducciónIntroducción• En 1986, Rumelhart, Hinton y Williams formalizaron un método para que una red
neuronal aprendieraaprendiera la relación que existe entre los patrones de entrada a la
red y las salidas correspondientes, utilizando más niveles de neuronas que
los que utilizó Rosenblatt para desarrollar el Perceptron.
ESCOM I P N Febrero 2006 7
IntroducciónIntroducción
• La red Back-Propagation está basada en la generalización de la regla delta.
• Al igual que el Perceptron, ADALINE y MADALINE, la red Back-Propagation se caracteriza por tener una arquitectura en niveles y conexiones estrictamente
hacia adelante entre las neuronas. • Utilizan aprendizaje supervisado.
ESCOM I P N Febrero 2006 8
¿En que consiste la RBP? ¿En que consiste la RBP?
Consiste en un aprendizaje de un conjunto predefinido de pares de entradas-salidas dados como ejemplo, empleando un ciclo propagación-adaptación de dos fases.
ESCOM I P N Febrero 2006 9
FASESFASES
Primero.- se aplica un patrón de entrada como estímulo para la primera capa de las neuronas de la red, se va propagando a través de todas las capas superiores hasta generar una salida. Después se compara el resultado obtenido en las neuronas de salida con la salida que se desea obtener y se calcula un valor del error para cada neurona de salida.
ESCOM I P N Febrero 2006 10
FASESFASES
Segundo.- estos errores se transmiten hacia atrás, partiendo de la capa de salida, hacia todas las neuronas de la capa intermedia que contribuyan directamente a la salida, recibiendo el porcentaje de error aproximado a la participación de la neurona intermedia en la salida original.
ESCOM I P N Febrero 2006 11
La importancia de este algoritmo consiste en su capacidad de auto adaptar los pesos de las neuronas de las capas intermedias para aprender la relación que existe entre un conjunto de patrones dados como ejemplo y sus salidas correspondientes.
Importancia Importancia
ESCOM I P N Febrero 2006 12
Ya entrenada la red se podrá aplicar esa misma relación (terminado el entrenamiento), a nuevos vectores de entrada con ruido o incompletos, dando una salida activa si la nueva entrada es parecida a las presentadas durante el aprendizaje.
GeneralizaciónGeneralización
ESCOM I P N Febrero 2006 13
Regla Delta GeneralizadaRegla Delta Generalizada
• Es una extensión de la regla delta propuesta por Widrow (1960).
• Se usa en redes con capas intermedias con conexiones hacia delante y cuyas células tienen funciones de activación continuas. Estas funciones continuas son no decrecientes y derivables (la función sigmoidal pertenece a este tipo de funciones).
ESCOM I P N Febrero 2006 14
Superficie de errorSuperficie de error
El algoritmo utiliza una superficie de error asociada a la red, buscando el estado de mínimo error a través del camino descendente de la superficie del error.
ESCOM I P N Febrero 2006 15
Superficie de errorSuperficie de error
ESCOM I P N Febrero 2006 16
Estructura y aprendizajeEstructura y aprendizaje•Capa de entrada con n neuronas.
•Capa de salida con m neuronas.
•Al menos una capa oculta de neuronas.
Cada neurona de una capa recibe entradas de todas las neuronas de la capa anterior y envía su salida a todas las neuronas de la capa posterior. No hay conexiones hacia atrás ni laterales entre neuronas de la misma capa.
ESCOM I P N Febrero 2006 17
Control de la convergenciaControl de la convergencia• La velocidad de aprendizaje se
controla mediante . Normalmente, debe ser un número entre 0.05 y 0.25.
Velocidad de convergencia• El valor de se aumenta a medida
que disminuye el error.• Añadir un momento (sumar una
fracción del ajuste de peso anterior al ajuste actual).
ESCOM I P N Febrero 2006 18
Si una red deja de aprender:
• Realizar un cambio en el número de neuronas ocultas.
• Volver a empezar con un conjunto distinto de pesos.
ESCOM I P N Febrero 2006 19
BPN vs. PERCEPTRONBPN vs. PERCEPTRON• La salida de BPN puede tomar valores entre
0 y 1; el perceptrón sólo toma 0 o 1.• Perceptrón y BPN normalmente empiezan
con un conjunto de pesos aleatorios.• El método de la regla delta generalizada
para ajustar pesos es el mismo que el de la regla delta utilizada en el perceptrón y ADALINE.
• BPN usa neuronas con función de activación continua.
ESCOM I P N Febrero 2006 20
RED De Retro-propagaciónRED De Retro-propagación
Algoritmo de Aprendizaje y Entrenamiento
ESCOM I P N Febrero 2006 21
Funcionamiento del Algoritmo Funcionamiento del Algoritmo de Aprendizajede Aprendizaje
1. Inicialice los pesos de la red con valores pequeños aleatorios.
2. Presentar un patrón de entrada y especificar la salida deseada.
3. Calcule los valores de ajuste de las unidades de salida en base al error observado.
ESCOM I P N Febrero 2006 22
Funcionamiento del Algoritmo Funcionamiento del Algoritmo de Aprendizajede Aprendizaje
4. Empezando por el nivel de salida, repita lo siguiente por cada nivel de la red, hasta llegar al primero de los niveles ocultos:
1. Propague los valores de ajuste de regreso al nivel anterior.
2. Actualice los pesos que hay entre los dos niveles.
5. El proceso se repite hasta que el error resulta aceptablemente pequeño para cada uno de los patrones aprendidos.
ESCOM I P N Febrero 2006 23
Funcionamiento del Algoritmo Funcionamiento del Algoritmo de Entrenamientode Entrenamiento
•El método es exactamente el mismo que el de la regla delta utilizada en el Perceptron y ADALINE.
obtenidasaldeseadasal ..
ESCOM I P N Febrero 2006 24
Algoritmo de retropropagaciónAlgoritmo de retropropagación
Primer Paso,0 pa
,1,,2,0)( 1111 Mmparammmmm baWfa
,Maa
ESCOM I P N Febrero 2006 25
Algoritmo de retropropagaciónAlgoritmo de retropropagación
Segundo Paso
,121 ssss MM
,2 atnFs
MM
M
.1,2,,1,11
MmparasmTmm
mm WnFs
ESCOM I P N Febrero 2006 26
Algoritmo de retropropagaciónAlgoritmo de retropropagación
Tercer Paso
,1 1 Tm-mm
m kk asαWW
mm
m kk sbb α1
ESCOM I P N Febrero 2006 27
Suponer que se quiere utilizar una RNA (1-2-1)para aproximar la función:
.224
1)(
pparapsinpg
ESCOM I P N Febrero 2006 28
EntrenamientoEntrenamiento
.48.00,13.0
48.00,17.009.00,
47.0
27.00 2121
bbWW
1.0Si p = 1 y entonces:
,0 1pa
ESCOM I P N Febrero 2006 29
EntrenamientoEntrenamiento
La salida de la primera capa es:
368.0
321.0
1
11
1
54.0
75.0log
13.0
48.01
41.0
27.0log)(
54.0
75.0
10111
e
esig
sigbaWfa
ESCOM I P N Febrero 2006 30
EntrenamientoEntrenamiento
Mientras que la salida para la segunda capa es :
446.048.0368.0
321.017.009.0)( 21222
purelinbaWfa
Y se calcula el error de la red que será de:
261.1446.014
14
1 2
sinapsinate
ESCOM I P N Febrero 2006 31
EntrenamientoEntrenamientoEtapa 2 retropopagación de la sensibilidad.
Se necesita derivar las funciones de transferencia de las capas de la Red:
11
2
1.
11
1
1
11
11
1)( aa
eee
e
edn
dnf
nnn
n
n
12.
ndn
dnf
ESCOM I P N Febrero 2006 32
EntrenamientoEntrenamientoEl punto de inicio se encuentra en la segunda etapa :
522.2261.112261.122 22.
22
2
nfatnFs
La sensibilidad de la primera capa se calcula al retropropagar la sensibilidad desde la segunda capa:
ESCOM I P N Febrero 2006 33
EntrenamientoEntrenamiento
La etapa final del algoritmo conlleva la actualización de los pesos :
.0997.0
0495.0
429.0
227.0
233.00
0218.0
522.217.0
09.0
368.0368.010
0321.0321.01
522.217.0
09.0
10
0112
12
11
11221
11
aa
aas
TWnFs
ESCOM I P N Febrero 2006 34
EntrenamientoEntrenamientoLa etapa final del algoritmo conlleva la actualización de los pesos y umbrales, para la capa de salida:
.0772.0171.0
368.0321.0522.21.017.009.0α01 122
2
TasWW
732.0522.21.048.0α01 22
2 sbb
ESCOM I P N Febrero 2006 35
EntrenamientoEntrenamiento
Y para las capas ocultas:
.420.0
265.01
0997.0
0495.01.0
41.0
27.0α01 01
11
T
asWW
140.0
475.0
0997.0
0495.01.0
13.0
48.0α01 1
11 sbb
ESCOM I P N Febrero 2006 36
EntrenamientoEntrenamiento
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.
ESCOM I P N Febrero 2006 37
Consideraciones sobre el algoritmo de Consideraciones sobre el algoritmo de aprendizajeaprendizaje
• Este algoritmo encuentra un valor mínimo de error (local o global) mediante pasos descendentes (gradiente descendente).
• Cada punto de la superficie corresponde a un conjunto de valores de los pesos de la red.
ESCOM I P N Febrero 2006 38
Consideraciones sobre el algoritmo de Consideraciones sobre el algoritmo de aprendizajeaprendizaje
• Con el gradiente descendente, siempre que se realiza un cambio en todos los pesos de la red, se asegura el descenso por la superficie del error hasta encontrar el valle más cercano, lo que puede hacer que el proceso de aprendizaje se detenga en un mínimo local de error.
ESCOM I P N Febrero 2006 39
Superficie de errorSuperficie de error