Perceptron Simple NAND

INSTITUTO TECNOLÓGICO SUPERIOR DE MISANTLA “COMPUTO SUAVE” “PERCEPTRON PA PARA RA LA COMPUERTA LOGICA NAND” ELABORADO POR: ERNESTO ULISES RODRIGUEZ BARRIOS DOCENTE: DOC. LUIS ALBERTO MORALES ROSALES CARRERA EN: ING. EN TECNOLOGÍA TECNOLOGÍAS S DE LA INFORMACIÓN Y COMUNICACIONES MISANTLA, VER. A 25 FEBRERO DEL 20!

DESCRIPCION DE LA PRACTICA: En la presente practica se muestra como desarrollar un perceptron simple por medio de matlab para la compuerta logica NAND.

LISTA DE COMPONENTES "TABLA DE VERDAD#: A 0 0

 

B 0

NAND 

1

1

0 

 0

Lo primero que se debe realizar es inicializar dos variables, una que contenga una matriz con los valores de A y B, y otra varuable que tenga los valores de NAND como se muestra en la igura 1.

Figura 1. Valores inicializados para su posterior uso.

!on el comando plotpv se puede visualizar la gr"ica de los patrones anteriores #$igura %&.

Figura 2. Grafca resultante. Para salida deseada cero (0) = o, para salida deseado uno (1) = +.

 A continuaci'n se inicia la red neuronal con el comando ne(p con los siguientes valores. !omo en la igura ).

Figura 3. !nde" red = o#$eto donde se al%acenara la red creada por &''* 0 1 0 1-= ango del /alor de la entrada de la red neuronal, el n%ero de flas de esta %atriz lo utilizara &''* para defnir el n%ero de entradas ue tiene la red neuronal. 1 = ser el n%ero de neuronas ue tiene la red neuronal en la capa de salida.  = 4ntrada de los patrones de aprendiza$e.

!on el siguiente comando se proceder" a entrenar la red neuronal por *A+LAB #$igura &.

Figura 5. onde red = red a ser entrenada por &''*  = 4ntrada de los patrones de aprendiza$e.  = salida deseada de los patrones

-na vez eecutado el comando anterior, se mostrara una ventana en donde se podr" elegir la opci'n de perormance, esta opci'n permitir" visualizar una gr"ica donde se muestra la l/nea clasiicadora que la red a llevado a cabo. #$igura  y 2&.

Figura 6. Ventana e%ergente ue indica ue la red 7a sido entrenada.

Figura 8. Grafca de entrena%iento de la red neuronal con 8 iteraciones.

 Aora solo se agregaran unos pesos iniciales a la red neuronal con el siguiente c'digo #$igura 3&.

Figura 9. 4sto per%itir al perceptron tener un rango de separaci!n.

!on el comando plotpc podemos obtener una gr"ica en donde se muestra la separaci'n de 0 y 1 por medio de una l/nea, esto indicaba que esta pr"ctica era un problema linealmente separable #$igura 4&.

Figura :. 4n esta grafca se puede /isualizar la separaci!n de ceros ; unos por %edio de una l?ito.

RESULTADOS -na vez concluido los anteriores pasos, se proceder" a validar la red neuronal con los valores de A y B de la tabla de verdad.

Figura @. Prue#a 1, Prue#a = pri%eros /alores de ' ; * en la ta#la de /erdad ' = pri%er resultado de la co%puerta l!gica A'A

Figura 10. Prue#a 2, Prue#a = segundos /alores de ' ; * en la ta#la de /erdad ' = segundo resultado de la co%puerta l!gica A'A

Figura 11. Prue#a 3, Prue#a = terceros /alores de ' ; * en la ta#la de /erdad ' = tercer resultado de la co%puerta l!gica A'A

Figura 12. Prue#a 5, Prue#a = cuartos /alores de ' ; * en la ta#la de /erdad ' = cuarto resultado de la co%puerta l!gica A'A