UNIVERSIDAD DE LAS FUERZAS ARMADAS ESPE

DEPARTAMENTO DE ELCTRICA Y ELECTRNICA

ASIGNATURA: CONTROL INTELIGENTE

Actividad No7. Estudio del perceptrn multicapa con dos entradas

Fecha: 23 de diciembre del 2014
Nombre alumno: Mauricio Huacho
NRC:
1.

Dibuje un perceptrn multicapa con 2 entradas, 3 neuronas

escondidas y una neurona de salida.

2. Considere una neurona con funcin de activacin sigmoide y dos

entradas. Grafique la funcin de la neurona para w0=0; w1=1;
w2=0. Determine la lnea de frontera. La lnea de frontera
determina el umbral de activacin de la neurona que aumenta
sobre la lnea y disminuye debajo de ella.

[in1,in2]=meshgrid(-5:.05:5, -5:.05:5);
in0=1;
%los valores a utilizar en los pesos son los siguientes
w0=0;
w1=1;
w2=0;
x=in2*w2+in1*w1+in0*w0;
out=1./(1+exp(-x));
out2 = round(out);
figure(2)
subplot(2,1,1)
mesh(in1,in2,out);xlabel('in1');ylabel('in2');zlabel('out');
hold on;
mesh(in1*0,in2,out,gradient(out));xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2)
mesh(in1,in2,out2);xlabel('in1');ylabel('in2');zlabel('out');

Pgina 1

3. Considere una neurona con funcin de activacin sigmoide y dos

entradas. Grafique la funcin de la neurona para w0=0; w1=0;
w2=1. Determine la lnea de frontera.
Tomando en cuenta los datos entregados en el ejercicio se declararon las variables
necesarias para desarrollar el grfico:
w0=0;
w1=0;
w2=1;
Y las entradas estn definidas entre el rango de -5 y 5.
w0=0;
w1=0;
w2=1;
x=in2*w2+in1*w1+in0*w0;
out=1./(1+exp(-x));
out2 = round(out);
figure(3)
subplot(2,1,1)
mesh(in1,in2,out);xlabel('in1');ylabel('in2');zlabel('out');
hold on;
mesh(in1,in2*0,out,gradient(out));xlabel('in1');ylabel('in2');zlabel('
out');
subplot(2,1,2)
mesh(in1,in2,out2);xlabel('in1');ylabel('in2');zlabel('out');

Pgina 2

4. Considere una neurona con funcin de activacin sigmoide y dos

entradas. Grafique la funcin de la neurona para w0=0; w1=1;
w2=2. Determine la lnea de frontera.
w0=0;
w1=1;
w2=2;
in0=1;
[in1,in2] = meshgrid(-5:.1:5, -5:.1:5);
net = w2*in2+w1*in1+w0*in0;
out = 1./(1+exp(-net));
subplot(2,1,1);mesh(in1,in2,out);
title('Funcin de activacion sigmoide con dos entradas');
xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2);mesh(in1,in2,round(out));
title('Fontera de Decisin');
xlabel('in1');ylabel('in2');zlabel('out');

Pgina 3

5. Considere una neurona con funcin de activacin sigmoide y dos

entradas. Grafique la funcin de la neurona para w0=-0.5; w1=1;
w2=-1. Determine la lnea de frontera.
w0=0.5;
w1=1;
w2=-1;
in0=1;
[in1,in2] = meshgrid(-5:.1:5, -5:.1:5);
net = w2*in2+w1*in1+w0*in0;
out = 1./(1+exp(-net));
subplot(2,1,1);mesh(in1,in2,out);
title('Funcin de activacion sigmoide con dos entradas');
xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2);mesh(in1,in2,round(out));
title('Fontera de Decisin');
xlabel('in1');ylabel('in2');zlabel('out');

Pgina 4

6. Considere una red neuronal con dos neuronas escondidas y una

neurona en la capa de salida con los siguientes pesos. Grafique la
funcin de la red neuronal y determine las lneas de frontera.
Relacione esta red con una compuerta XOR.
w11=-1.1931
w12=-1.1448
w21=-0.9316
w22=-0.9150
b1=0.4107
b2=1.3310
b3=-0.7221
LW1=-1.7003
LW2=1.6087

Para realizar el grafico de la red neuronal se debe efectuar el clculo correspondiente

a cada una de las neuronas, para el desarrollo del ejercicio se las denominara con el
nombre de net, cada una de estas ser la sumatoria de las entradas multiplicadas por
su peso y a la salida se efectuara el clculo de la funcin sigmoide utilizando los
resultados antes calculados.
En el siguiente grafico se puede identificar dos lneas de frontera, la peculiaridad de la
grfica producida por los pesos antes dados y la ecuaciones de las net que fueron
deducidas del grfico es que dentro de estas dos lneas de frontera los valores tienen
una tendencia positiva y debajo de estas lneas es de manera opuesta.
Pgina 5

Se puede relacionar directamente a esta red con la funcin XOR por que se determina
que la esta funcin necesita de dos fronteras de decisin para poder representarla,
adems cumple que los valores entre las fronteras tengan una tendencia positiva 1 y
los valores fuera de estas tendencias negativas 0, como se muestra a continuacin:

in1
0
0
1
1

Tabla funcin XOR

in2
0
1
0
1

out
0
1
1
0

7. Graficar la funcin de cada neurona y analizar el efecto en la

funcin global de la red neuronal.
La izquierda pertenece a una estimacin en tres dimensiones de la funciones y en la
parte derecha las fronteras de decisin que cada una de las neuronas reproduce:

Los primeros dos grficos corresponden a la net1 o primera neurona en la

capa oculta
o net1=in0*b1+in1*w11+in2*w12;
Los siguientes dos grficos corresponden a la net2 o a la segunda neurona
en la capa oculta
o net2=in0*b2+in1*w21+in2*w22;
Los ltimos dos grficos corresponden a la net3 o a la ltima neurona en la
capa de salida
o net3=in0*b3+out1.*LW1+out2.*LW2;

Pgina 6

8. Conclusiones

Se pudo comprender que la variacin de los pesos w0, w1 y w2 modifican

la pendiente y el punto de corte de la recta que separa linealmente el
problema.

Se pudo comprender tambin que el efecto de adicionar ms neuronas a

la red, es para desempear tareas distintas y mediante una neurona de
salida se puede combinar estas tareas, as mismo la complejidad y el
procesamiento aumenta.

ANEXOS
%Actividad 7
%ejercicio 2
%perceptron con dos entradas
Pgina 7

%cuando son dos tenemos un plano y una

%linea recta reproduce la frontera de decision
[in1,in2]=meshgrid(-5:.05:5, -5:.05:5);
in0=1;
%los valores a utilizar en los pesos son los siguientes
w0=0;
w1=1;
w2=0;
x=in2*w2+in1*w1+in0*w0;
out=1./(1+exp(-x));
out2 = round(out);
figure(2)
subplot(2,1,1)
mesh(in1,in2,out);xlabel('in1');ylabel('in2');zlabel('out');
hold on;
mesh(in1*0,in2,out,gradient(out));xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2)
mesh(in1,in2,out2);xlabel('in1');ylabel('in2');zlabel('out');
%ejercicio 3
w0=0;
w1=0;
w2=1;
x=in2*w2+in1*w1+in0*w0;
out=1./(1+exp(-x));
out2 = round(out);
figure(3)
subplot(2,1,1)
mesh(in1,in2,out);xlabel('in1');ylabel('in2');zlabel('out');
hold on;
mesh(in1,in2*0,out,gradient(out));xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2)
mesh(in1,in2,out2);xlabel('in1');ylabel('in2');zlabel('out');
%ejercicio 4
w0=0;
w1=1;
w2=2;
x=in2*w2+in1*w1+in0*w0;
out=1./(1+exp(-x));
out2 = round(out);
figure(4)
subplot(2,1,1)
mesh(in1,in2,out);xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2)
mesh(in1,in2,out2);xlabel('in1');ylabel('in2');zlabel('out');
%ejercicio 5
w0=0.5;
Pgina 8

w1=1;
w2=-1;
x=in2*w2+in1*w1+in0*w0;
out=1./(1+exp(-x));
out2 = round(out);
figure(5)
subplot(2,1,1)
mesh(in1,in2,out);xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2)
mesh(in1,in2,out2);xlabel('in1');ylabel('in2');zlabel('out');
%XOR
[in1,in2]=meshgrid(0:.01:1,0:.01:1);
in0=1;
w11=-1.1931;
w12=-1.1448;
w21=-0.9316;
w22=-0.9150;
b1=0.4107;
b2=1.3310;
LW1=-1.7003;
LW2=1.6087;
b3=-0.7221;
alfa=4;%para la funcion sigmoide
%capa escondida
net1=in0*b1+in1*w11+in2*w12;
out1=1./(1+exp(-alfa*net1));
out1_1=round(out1);
%figura salida 1
figure(6)
subplot(3,2,1)
mesh(in1,in2,out1);xlabel('in1');ylabel('in2');zlabel('out');
subplot(3,2,2)
mesh(in1,in2,out1_1);xlabel('in1');ylabel('in2');zlabel('out');
%red oculta numero 2
net2=in0*b2+in1*w21+in2*w22;
out2=1./(1+exp(-alfa*net2));
out2_2=round(out2);
%figura salida2
%figure(6.2)
subplot(3,2,3)
mesh(in1,in2,out2);xlabel('in1');ylabel('in2');zlabel('out');
subplot(3,2,4)
mesh(in1,in2,out2_2);xlabel('in1');ylabel('in2');zlabel('out');
%capa salida
net3=in0*b3+out1.*LW1+out2.*LW2;
out3=1./(1+exp(-alfa*net3));
out4 = round(out3);
subplot(3,2,5)
mesh(in1,in2,out3);xlabel('in1');ylabel('in2');zlabel('out');
Pgina 9

subplot(3,2,6)
mesh(in1,in2,out4);xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,1)
mesh(in1,in2,out3);xlabel('in1');ylabel('in2');zlabel('out');
subplot(2,1,2)
mesh(in1,in2,out4);xlabel('in1');ylabel('in2');zlabel('out');
Yo Mauricio A. Huacho Ch. afirmo que esta actividad es de mi autora y
establezco que para la elaboracin de la misma he seguido los lineamientos
del Cdigo de tica de la Universidad de las Fuerzas Armadas ESPE

Pgina 10