tareas

parcial 1

1. carpeta sep 12
2. práctica sep 12
3. práctica sep 19
4. práctica sep 26
5. tarea 1 resumen texto “Sistemas expertos”
6. tarea 2 programa árbol genealógico
7. tarea 3 resumen video 1 unidad 1
8. tarea 4 resumen video 3 unidad 1
9. tarea 5 ejercicios de conjuntos

parcial 2

1.  práctica oct 10
2.  práctica oct 17
3.  práctica oct 24
4.  práctica oct 31
5.   tarea 1 resumen video 1
6.  tarea  2 ejercicios de inferencia lógica (página 96 ejercicios E, F:1-4, 104: 5, 8, 10)
7.  tarea  3 libro suppes página 108 ejercicios D: 2, 4, 6 
8.  Tarea 4 ejercicio de inferencia
9.       Tarea 4 tabla de contingencia

Parcial 3

           1.        práctica nov 14

           2.        práctica nov 21

           3.        práctica nov 28 (ejemplo RNA)

           4.        tarea 1 resumen lectura sobre lógica difusa

           5.        tarea 2 ejercicios de lógica difusa

           6.        tarea 3.- reporte video

             

ejercicios

1. definir el aprendizaje
2. elemento que almacena la información adquirida
3. mencionar los tipos de aprendizaje
4. describir el aprendizaje con profesor
5. describe el término "época"
6. explicar la regla de Hebb
7. compara el algoritmo heurístico con el aprendizaje supervisado
8. describir el aprendizaje perceptrónico
9. menciona las características del aprendizaje para redes unicapa
10. describe un perceptrón
11. explica el algoritmo perceptrónico
12. describir la regla delta
13. explicar el predictor lineal
14. describe la profundidad de una red
15. describe una señal de función

revisar el siguiente material:

Hay 3 Simuladores de RNA que son los mas populares.

• MATLAB (Neural network Toolbox)
• NeuroSolution
• SNNS

• neural tools
• simulador del perceptrón multicapa

realizar los siguientes ejercicios: (referencia)

1. Resuelva el siguiente  problema de clasificación del perceptrón y su regla de aprendizaje en donde los pares de entrada/salida son los siguientes:
2. Usando la regla de aprendizaje del perceptrón, calcule la matriz de pesos  y el umbral de activación.
3. Grafique su solución, indicando la frontera la decisión y su vector de pesos.

    p1 = 3          t1= 2; 

            2 

     P2 = -3        t2= 0; 

              1 

     P3 =  1        t3= 1; 

            -2  

Las entradas para el perceptrón tienen la forma siguiente:
P = 

Los valores para cada parámetro son:

Forma:

• 1, si la fruta es redonda.
• -1, si la fruta es elíptica.

Textura:

• 1, si la superficie de la fruta es suave.
• -1,  si la superficie es rugosa.

Peso:

• 1,  1 libra.
• -1, < 1 libra.

Según lo anterior, los vectores de entrada para las frutas a clasificar son:

Naranja   

                                       



Manzana
                 

Considerando que los valores iniciales del vector de pesos y el umbral son:


  W = [1  .5  -1]     b = 1

Aplique la regla de aprendizaje del perceptrón para calcular el vector de pesos W y el umbral b.