IAR

universidad tecnologica nACIONALFACULTAD REGIONAL CóRDOBA

Inteligencia Artificial

Curso: 5k4 Grupo 19 Profesores:

• García, Mario Alejandro.
• Forte, Guillermo.

Alumnos:

• Amaya, Estefanía. Legajo: 73474
• Carrizo, Lucas.Legajo: 72818
• Castellina, Bruno. Legajo: 72193
• Lozada Bonelli, Juan. Legajo: 72665
• Ricagno, Carolina. Legajo: 70374

ESTADO INICIAL

Posibles soluciones

Máquina de vectores de soporte

Volver

BackPropagation

Entrenamiento

Calculamos las Salidas

Actualizamos los pesos

Inicializamos los pesos y contemplamos el Bias

Calculamos los errores para cada capa

2019

2021

Lorem ipsum dolor sit amet consequiat

Lorem ipsum dolor sit amet consequiat

Inicialización de pesos

Cálculo de las Salidas

Cálculo del error de cada capa

Actualizar los pesos

#Generamos la corrección de pesos pesos[1] = pesos[1] + np.multiply(self.tasaAprendizaje * errorSalidaRN, np.hstack((salidasCapaOculta, np.ones(1)))) #Pesos de la capa de salida pesos[0] = pesos[0] + self.tasaAprendizaje * np.matmul(np.reshape(errorCapaOculta, (errorCapaOculta.shape[0], 1)), np.reshape(X_normalizado[entradaI], (1, X_normalizado[entradaI].shape[0])))

BACKPROPAGATION

Predicción

BACKPROPAGATION

Predicción

RESULTADO

Datos

• Capas Ocultas: 1
• Neuronas Capa Entrada: 4
• Neuronas Capa Oculta: 4
• Neuronas Capa Salida: 1
• Tasa de aprendizaje: 0.40
• Iteraciones: 40

Presición alcanzada: 93.63%

Matriz De confusión

¡Muchas GRACIAS!