Resumen.

En este informe se presentan los

resultados obtenidos al entrenar una red neuronal
tipo perceptron, implementada en Matlab para el
reconocimiento de caracteres. Se muestra el arreglo
usado en el simulink para el ingreso de los
caracteres, y el rendimiento obtenido al entrenar la
red en los ejercicios propuestos tanto en Matlab
como en el UVSRNA. Finalmente se presentan las
conclusiones a las que se pudo llegar con los
resultados obtenidos.

Palabras claves: perceptron, clasificacin, pesos, Bias.


ANLISIS Y RESULTADOS

Entrenamiento de una red neuronal tipo
Perceptron para el reconocimiento de los
nmeros del 0-9.

Se utiliz una matriz de 7x5 en matlab, se
consideran 27 clases diferentes donde se
pretenden clasificar las muestras que se
introducen. Los patrones que definen
correctamente a cada una de las clases son los
nmeros del 0 al 9.
Cuando a la entrada se presente una muestra
distinta de los patrones correctos, el sistema
presentar a su salida la informacin decodificada
de la clase a la que pertenece la muestra, o bien,
de la clase a la cual se aproxima ms.
En base a este planteamiento, la red neuronal
dispone de 35 entradas que se corresponden con
los puntos de la matriz. El valor de cada entrada
puede ser 0 si el punto es blanco y 1 si el punto es
negro. Por otro lado, se dispone de 5 salidas, que
representa en binario los nmeros del 0-9 con su
respectiva clase. Para el programa UVSRNA se
utiliz una matriz 7x5.

En la figura1 y figura2 se puede observar la
evolucin del error de entrenamiento en matlab y
en el UV-SRNA respectivamente.

Figura1 Evolucin del error de entrenamiento en
Matlab



Figura2. Evolucin del error de entrenamiento en UV-
SRNA.

Entrenamiento de una red neuronal
tipo Perceptron para el reconocimiento
de las vocales.
En la codificacin del patrn de entradas y patrn
de salida se utiliz una matriz de 8x8 en matlab,
se consideran 17 clases diferentes (A,E,I,O,U).
Se dispone de 5 salidas, que representa la vocal
correspondiente.
Por otro lado para el programa UVSRNA se
utiliz una matriz 7x5.

Entrenamiento de una red neuronal
tipo Perceptron para el reconocimiento
del cdigo hexadecimal.
El entrenamiento para el reconocimiento del
cdigo hexadecimal se realiz de dos maneras:
Primera opcin
Para el ingreso de parmetros a la red se us la
tabla1 para el reconocimiento del cdigo
hexadecimal, en dicha tabla solo se consignaron
los caracteres de la A a la F.
SESIN DE LABORATORIO No. 2
EL PERCEPTRN APLICADO A LA
CLASIFICACIN DE
CARACTERES
Luis Carlos Barrera. 0711177, Jorge Crdoba Snchez 0538986
Escuela de Ingeniera Elctrica y Electrnica.
Universidad del Valle.
Enero de 2012.

Segunda opcin

Para el reconocimiento del cdigo hexadecimal se
realiz una extraccin de caractersticas que
permitiera diferenciar cada clase teniendo en
cuenta la cantidad de celdas en 1 para cada
nmero.

Tabla1

Patrones de entrada y salida para reconocimiento del
cdigo hexadecimal.

Para el reconocimiento del nombre se utiliz una
matriz de 8x8 en matlab y para el reconocimiento
de cuatro figuras una matriz de 7x5

De igual manera en la tabla2 se muestra los
patrones de entrada y salida para el
reconocimiento de cuatro figuras diferentes.

Tabla2

Patrones de entrada y salida para reconocimiento de
cuatro figuras geomtricas


Finalmente en la tabla3 se puede observar un
resumen tanto en matlab como en el UV-SRNA
del nmero de iteraciones y del error que se
presentaron en los diferentes ejercicios.

Tabla3 Matlab Vs UV-SRNA







CONCLUSIONES
La red perceptron presenta un efectivo
mtodo para realizar clasificaciones de
patrones.
Con los mtodos de entrenamiento
estudiados hasta ahora se pueden
interconectar redes para clasificar
patrones no lineales mientras se
conozcan las salidas deseadas para cada
una de las neuronas.
No es suficiente entrenar una red
neuronal con un solo patrn por elemento
a ser caracterizado; lo conveniente es
representar varios patrones de una misma
clase para que la red pueda generalizar.




REFERENCIAS

[1] Una aproximacin prctica a las redes
neuronales artificiales. Eduardo Caicedo
Bravo, Jess Lpez Sotelo. Universidad
del Valle. 2009.

[2] Introduccin al reconocimiento de
patrones mediante redes neuronales.
Emiliano Aldabas-Rubira UPC-Campus
Terrassa-DEE-EUETIT Colom, 1 08222
Terrassa Barcelona.