funciones de activación
DESCRIPTION
Inteligencia ArtificialTRANSCRIPT
-
CIS-IXB-002
UNIVERSIDADNACIONALDE LOJA
Area de la Energa las Industrias y los Recursos Naturales No Renovables
Carrera de Ingeniera en Sistemas
Funciones de Activacion
Tarea- Extra ClaseNoveno B
Autor:
Henry Paul Vivanco Encalada
Docente: Ing. Henry-Paz,
Loja-Ecuador2014
1
-
IndiceA. FUNCION DE ACTIVACION 3
1 . Funcion Sigmoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 . Funcion Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43 . Funcion Tansig (Tangente Hiperbolica) . . . . . . . . . . . . . . . . . . . . 64 . Funcion Logsig (Logistica) . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 . Funcion Umbral o Threshold Function . . . . . . . . . . . . . . . . . . . . 86 . Funcion Signo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
B. BIBLIOGRAFIA 11
Indice de figuras1. Funcion Sigmoidal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42. Funcion Lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53. Funcion Lineal Acotada . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64. Funcion Lineal Simetrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65. Funcion Tansig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76. Funcion Logsig . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87. Funcion Umbral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98. Funcion Signo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
-
A. FUNCION DE ACTIVACIONEn redes computacionales, la Funcion de Activacion de un nodo define la salida de
un nodo dada una entrada o un conjunto de entradas. Se podra decir que un circuitoestandar de computador se comporta como una red digital de funciones de activacion alactivarse como .ON(1) u .OFF(0), dependiendo de la entrada. Esto es similar al funcio-namiento de un Perceptron en una Red neuronal artificial.
El valor de red, expresado por la funcion de base, u(w, x), se transforma mediante unafuncion de activacion no lineal.[1]
Una neurona biologica puede estar activa o inactiva; es decir, que tiene un estadode activacion. Las neuronas artificiales tambien tienen diferentes estados de activacion;algunas de ellas solamente dos, al igual que las biologicas, pero otras pueden tomar cual-quier valor dentro de un conjunto determinado.[2]
La funcion activacion calcula el estado de actividad de una neurona; transformandola entrada global (menos el umbral) en un valor (estado) de activacion, cuyo rango nor-malmente va de (0 a 1) o de (1 a 1).cite2
Esto es as, porque una neurona puede estar totalmente inactiva (0 o 1) o activa (1).
La funcion activacion, es una funcion de la entrada global (gini) menos el umbral.[2]
Las funciones de activacion nos permiten dar mayor flexibilidad al sistema, y por tantomayor capacidad.[3]
La funcion de activacion se utiliza para limitar el rango de valores de la respuesta dela neurona.
Generalmente los rangos de valores se limitan a [0,1] o [-1,1], sin embargo otros rangosson posibles de acuerdo a la aplicacion o problema a resolver.[4]
Existen diversas funciones de activacion y la decision entre una u otra dependera nue-vamente de la aplicacion o problema a resolver.
1 . Funcion Sigmoidal
Los valores de salida que proporciona esta funcion estan comprendidos dentro de un
3
-
rango que va de 0 a 1. Al modificar el valor de gse ve afectada la pendiente de la funcionde activacion.[2]
Figura 1: Funcion Sigmoidal
2 . Funcion Lineal
Los valores de salida obtenidos por medio de esta funcion de activacion seran:
a*(gini- umbral), cuando el argumento de (gini- umbral) este comprendido dentro delrango (-1/a, 1/a).
Por encima o por debajo de esta zona se fija la salida en 1 o 1, respectivamente.Cuando a = 1 (siendo que la misma afecta la pendiente de la grafica), la salida es igual ala entrada. [2]
Se utiliza en problemas de aproximacion o estimacion lineal. [4]
4
-
Figura 2: Funcion Lineal
Una regresion lineal simple puede ser vista como la respuesta de una neurona confuncion de activacion lineal.
Funcion Lineal Acotada
Esta funcion esta definida como:
5
-
Figura 3: Funcion Lineal Acotada
Funcion Lineal Simetrica
Esta funcion esta definida como:
Figura 4: Funcion Lineal Simetrica
3 . Funcion Tansig (Tangente Hiperbolica)Los valores de salida de la funcion tangente hiperbolica estan comprendidos dentro de
un rango que va de -1 a 1. Al modificar el valor de g se ve afectada la pendiente de lafuncion de activacion.[2]
6
-
Esta funcion esta definida como:
Es la version continua de la funcion signo y se usa en problemas de aproximacion. Esimportante por sus propiedades analticas. Es continua a valores en [-1, 1] e infinitamentediferenciable.[4]
Figura 5: Funcion Tansig
4 . Funcion Logsig (Logistica)Con funcion logsig conseguimos obtener las probabilidades a posteriori para la sepa-
racion de dos gaussianas multivariadas con igual matriz de covariana.[3]
Esta funcion esta definida como:
Es una de las funciones mas utilizadas en la construccion de redes neuronales. Es con-tinua a valores en [0, 1] einfinitamente diferenciable. Es la version continua de la funcionumbraly se utiliza en problemas de aproximacion.[4]
7
-
Figura 6: Funcion Logsig
5 . Funcion Umbral o Threshold FunctionEsta funcion esta definida como:
La respuesta de la neurona es entonces 1 o 0.
Estos valores se pueden asociar a verdadero o falso y esta condicion dependera de si
Generalmente se utiliza para establecer criterios de clasificacion. Por ejemplo,1=Elementotipo A,0=Elemento tipo B.[4]
8
-
Figura 7: Funcion Umbral
6 . Funcion SignoEsta funcion esta definida como:
La respuesta de la neurona es entonces -1, 0 o 1.
9
-
Figura 8: Funcion Signo
10
-
B. BIBLIOGRAFIA
Referencias[1] Introduccion a las redes neuronales aplicadas. Disponible en: http://www.cs.stir.
ac.uk/lss/NNIntro/InvSlides.html
[2] Universidad Tecnologica Nacional. Facultad Regional Rosario. Departamento de In-geniera Qumica. Grupo de Investigacion Aplicada a la Ingeniera Qumica (GIAIQ).Informatica Aplicada a la Ingeniera de Procesos Orientacion I. Redes Neuronales:Conceptos Basicos y Aplicaciones. Damian Jorge Matich. Rosario Marzo del 2001
[3] R. Carballo (Dpto. Matematica Aplicada y C.C.)
[4] Introduccion a Las redes Neuronales (Neurales). CO-6612. Minaya Villasana
11
FUNCIN DE ACTIVACINFuncin SigmoidalFuncin LinealFuncin Tansig (Tangente Hiperbolica)Funcin Logsig (Logistica)Funcin Umbral o Threshold FunctionFuncin Signo
BIBLIOGRAFIA