Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 35 vistas

    Inteligencia Artificial

    Cargado por

    Deyvi Marcos Ordoñez Mendez
    El documento describe el algoritmo perceptrón, el cual es un algoritmo de aprendizaje supervisado utilizado para la clasificación binaria de datos. El algoritmo se basa en un modelo de neurona artificial que recibe entradas, las suma ponderadamente, y produce una salida binaria mediante una función de activación. El proceso de entrenamiento implica ajustar los pesos de las entradas para obtener la salida deseada a través de la regla delta. El perceptrón puede clasificar datos linealmente separables mediante ajuste iterativo de pesos durante el entrenamiento.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    Inteligencia Artificial

    Cargado por

    Deyvi Marcos Ordoñez Mendez
    35 vistas4 páginas
    El documento describe el algoritmo perceptrón, el cual es un algoritmo de aprendizaje supervisado utilizado para la clasificación binaria de datos. El algoritmo se basa en un modelo de neurona artificial que recibe entradas, las suma ponderadamente, y produce una salida binaria mediante una función de activación. El proceso de entrenamiento implica ajustar los pesos de las entradas para obtener la salida deseada a través de la regla delta. El perceptrón puede clasificar datos linealmente separables mediante ajuste iterativo de pesos durante el entrenamiento.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el algoritmo perceptrón, el cual es un algoritmo de aprendizaje supervisado utilizado para la clasificación binaria de datos. El algoritmo se basa en un modelo de neurona artificial que recibe entradas, las suma ponderadamente, y produce una salida binaria mediante una función de activación. El proceso de entrenamiento implica ajustar los pesos de las entradas para obtener la salida deseada a través de la regla delta. El perceptrón puede clasificar datos linealmente separables mediante ajuste iterativo de pesos durante el entrenamiento.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    35 vistas4 páginas

    Inteligencia Artificial

    Cargado por

    Deyvi Marcos Ordoñez Mendez
    El documento describe el algoritmo perceptrón, el cual es un algoritmo de aprendizaje supervisado utilizado para la clasificación binaria de datos. El algoritmo se basa en un modelo de neurona artificial que recibe entradas, las suma ponderadamente, y produce una salida binaria mediante una función de activación. El proceso de entrenamiento implica ajustar los pesos de las entradas para obtener la salida deseada a través de la regla delta. El perceptrón puede clasificar datos linealmente separables mediante ajuste iterativo de pesos durante el entrenamiento.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    de 4

    UNIVERSIDAD PRIVADA SAN JUAN BAUTISTA

    FACULTAD DE INGENIERÍAS

    PROGRAMA ACADÉMICO DE INGENIERÍA DE COMPUTACIÓN Y

    SISTEMAS

    EXAMEN:

    Analizar y describir el Algoritmo Perceptrón.

    Desarrollar una aplicación que incorpore dicho algoritmo, sugerido

    lenguaje Java o Python

    CURSO

    INTELIGENCIA ARTIFICIAL

    ICA - PERÚ

    2023
    DOCENTE: CARLOS FERNANDO OLIVA RAMOS
    Analizar y describir el Algoritmo Perceptrón:

    El algoritmo del perceptrón es un algoritmo de aprendizaje supervisado utilizado para la

    clasificación binaria de datos. Fue desarrollado por Frank Rosenblatt en 1958 y es uno de los

    algoritmos de aprendizaje más simples y efectivos.

    El algoritmo del perceptrón se basa en un modelo de neurona artificial que recibe múltiples

    entradas, las suma ponderadamente y aplica una función de activación para producir una

    salida binaria. Las entradas son multiplicadas por un peso asociado a cada entrada, y la suma

    de estas ponderaciones se compara con un umbral (threshold) para determinar la salida.

    Matemáticamente, la salida de la neurona se calcula como:

    y = f(w1x1 + w2x2 + ... + wnxn)

    Donde `x1, x2, ..., xn` son las entradas, `w1, w2, ..., wn` son los pesos asociados a cada

    entrada, `f` es la función de activación y `y` es la salida de la neurona. La función de

    activación más comúnmente utilizada en el perceptrón es la función escalón unitario, que

    produce una salida de 1 si la suma ponderada es mayor o igual que el umbral, y una salida de

    0 en caso contrario.

    El proceso de entrenamiento del perceptrón implica ajustar los pesos de las entradas de la

    neurona hasta que se obtiene una salida deseada para un conjunto de datos de entrenamiento.

    Esto se hace mediante la actualización de los pesos de acuerdo a la regla delta, que consiste

    en comparar la salida obtenida por la neurona con la salida deseada para cada entrada y

    ajustar los pesos en consecuencia. Matemáticamente, la actualización de los pesos se realiza

    de la siguiente manera:
    wi = wi + α(yd - y)x1i

    Donde `wi` es el peso asociado a la entrada `xi`, `α` es la tasa de aprendizaje, `yd` es la salida

    deseada y `y` es la salida obtenida por la neurona. La tasa de aprendizaje es un parámetro que

    controla la velocidad a la que se ajustan los pesos durante el entrenamiento.

    El algoritmo del perceptrón puede utilizarse para clasificar datos linealmente separables, es

    decir, datos que pueden ser separados en dos categorías por una línea recta en un espacio de

    características. Si los datos no son linealmente separables, el perceptrón no convergerá a una

    solución óptima. En ese caso, se pueden utilizar variantes del perceptrón, como el perceptrón

    multicapa o las redes neuronales convolucionales, que son capaces de clasificar datos no

    linealmente separables.

    En resumen, el algoritmo del perceptrón es un modelo simple pero poderoso utilizado para la

    clasificación de datos en dos categorías diferentes y se basa en una neurona artificial que

    recibe múltiples entradas, las suma ponderadamente y aplica una función de activación para

    producir una salida binaria.

    También podría gustarte