Presentacion Art Gal
Descargar como PPT, PDF0 recomendaciones577 vistas
Este documento describe la teoría y arquitectura de las redes neuronales ART. Explica que las redes ART se desarrollaron para resolver el dilema de la estabilidad y plasticidad del aprendizaje neuronal. Describe que una red ART típica consta de capas de entrada y salida con conexiones feedforward y feedback, y que hay diferentes tipos de redes ART para datos binarios y analógicos. También presenta un simulador de redes ART para Windows.
Presentacion Art Gal
- 1. THE ART GALERY Sistemas NeuroDifusos
- 2. Indice Autor ¿Qué es The ART Gallery? Teoría de Resonancia Adaptativa Origen Arquitectura Básica Tipos de redes ART Plataformas Simulador para Windows Cargar conjunto de Patrones Creando la Red Salvando la Red Probando la Red Preguntas?
- 3. Autor Lars Hasso Liden Dept. of Cognitive and Neural Systems Boston University Áreas de Trabajo Técnicas de Inteligencia Artificial y Máquinas de Aprendizaje. Simulación y modelado de sistemas complejos. Modelado Matemático, Aproximación de Funciones. Experiencia con una amplia gama de arquitecturas de redes neuronales. Programación de GUI. Física y Matemáticas.
- 4. ¿ Que es The ART Gallery ? The Art Gallery es una serie de procedimientos que puede ser utilizados con otro lenguaje para implementar muchas de las redes neuronales tipo ART. Actualmente The Art Gallery soporta llamadas a procedimientos en C, en las plataformas Unix y DOS, de la misma forma puede ser utilizada como una librería dinámica ligada (dll) para usarse con aplicaciones Windows (como Visual Basic). Las estructuras de datos de las redes ART y los conjuntos de patrones que utiliza The ART Gallery están diseñados de tal manera que el usuario no necesita acceder a las estructuras directamente, pero puede llamarlas en otros procedimientos si necesita información.
- 5. Teoría de Resonancia Adaptativa El hecho que condujo a la concepción de las redes ART fue lo que se conoce como el dilema de la estabilidad y plasticidad del aprendizaje. Este dilema surge a partir de dos ideas: Una red neuronal debe poder aprender nuevo patrones, es decir, debe tener cierta plasticidad de aprendizaje. Una red neuronal debe poder recordar los patrones ya aprendidos, es decir, ser estable aun cuando se le introduzcan datos que no sea capaz de reconocer. Sin embargo estas dos características son difíciles de implementar juntas, pues al aprender nuevos patrones, se corre el riesgo de perder los ya memorizados, igualmente, si se mantienen firmemente memorizados unos patrones iniciales, se dificulta el aprendizaje de nuevos patrones, comprometiendo su capacidad de adaptarse a condiciones nuevas. Origen
- 6. Origen Grossberg, Carpenter y un grupo de colaboradores desarrollaron su teoría de resonancia adaptativa para resolver este dilema. Esta se aplica a redes con aprendizaje competitivo, en las cuales solo una neurona o una neurona de un grupo de ellas, después de competir con otras, reacciona con su máximo nivel de respuesta al presentarse determinado patrón de entrada. Se dice que esta neurona es la vencedora. De esta manera la red busca crear categorías (clusters en inglés), según los datos que se le introduzca. La red debe decidir a que categoría pertenece cada dato que se le presente según su parecido con alguna categoría definida, y si no hay un grado de similitud lo suficientemente grande, la red creará una categoría nueva tomando como modelo el nuevo patrón.
- 7. Arquitectura Básica Una red ART esta compuesta por una capa de entrada con N neuronas y una de salida con M neuronas. Entre ambas se presentan conexiones feedback y feedforward. Las neuronas de la capa de salida se encuentran interconectadas y presentan conexiones autorrecurrentes. En la capa de salida los pesos son fijos, siendo 1 los de las conexiones autorecurrentes y -ε en las conexiones laterales. Este valor negativo contribuye a la competitividad entre las neuronas de esta capa, y debe ser menor que 1/M. En los pesos de las conexiones feedforward y feedback, definidos como wji y vij, se va a almacenar la información de la red.
- 8. Arquitectura Básica Sin embargo una red ART no puede ser descrita con un modelo sencillo de red de dos capas, como en la figura anterior. El modo de funcionamiento de la red determina la existencia de dos subsistemas, el de atención y el de orientación.
- 9. Tipos de Redes ART Hay dos grandes ramas de redes ART: Las ART1 que trabajan con vectores de información binaria, y Las redes ART2, que procesan información analógica. Sin embargo con el desarrollo de las redes neuronales, de la computación y de las nuevas aplicaciones han surgido varios subgrupos de redes ART: ART-2a Es una versión mas rápida del algoritmo de redes ART2. ART-3 Extensión de red ART que incorpora transmisores químicos para controlar el proceso de búsqueda de categorías dentro de la red. ARTMAP Es una versión supervisada de ART que puede aprender mapas de patrones binarios. FuzzyART Síntesis de lógica difusa y redes ART. Fuzzy_ARTMAP Es una red Fuzzy ART supervisada.
- 10. ADAPTACIONES DE REDES ART: • ARTMAP-IC • Gaussian ARTMAP • Modelos ART jerárquicos (modulares) • ArboART • Cascade Fuzzy ART • HART(-J), HART-S • SMART • LAPART • MART • PROBART • R2MAP • TD-ART
- 13. Cargar Conjunto de Patrones Editar Conjunto de Patrones en un editor de texto No. de Patrones Entrada No. de Entradas por patrón Tipo de Entrada – 1 Bin 2 Analog No de Salida por vector Tipo de Salida – 1 Bin 2 Analog Vector de Entrada Vector de Salida { Leer desde ART Gallery
- 15. Creando la Red Make Net .- Crea la red a partir de el archivo de texto.
- 16. Train Net .- Entrena la red con el patrón leído
- 17. Salvando la Red LoadNet.- Carga una red ya existente. MakeNet .- Crea una red con extensión .NET
- 18. Probando la Red Leer un archivo de prueba. Test Net .- Prueba la red y despliega los patrones correctamente e incorrectamente clasificados y las salidas sin respuesta.
- 19. Preguntas