Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 33 vistas

    TIA Reporte RN Potrero Martinez Aldana

    Cargado por

    Aldo Uriel Aldana Garcia
    Este documento presenta los resultados de tres prácticas de laboratorio sobre redes neuronales artificiales realizadas por estudiantes de la Facultad de Ciencias de la Computación de la BUAP. En la primera práctica, se entrenó una red neuronal de tres capas para clasificar imágenes de piel y no piel. En la segunda, se entrenó otra red de tres capas para predecir la fertilidad. Y en la tercera, se entrenó una red de cuatro capas para clasificar granos secos.

    Copyright:

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

    TIA Reporte RN Potrero Martinez Aldana

    Cargado por

    Aldo Uriel Aldana Garcia
    33 vistas7 páginas
    Este documento presenta los resultados de tres prácticas de laboratorio sobre redes neuronales artificiales realizadas por estudiantes de la Facultad de Ciencias de la Computación de la BUAP. En la primera práctica, se entrenó una red neuronal de tres capas para clasificar imágenes de piel y no piel. En la segunda, se entrenó otra red de tres capas para predecir la fertilidad. Y en la tercera, se entrenó una red de cuatro capas para clasificar granos secos.

    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?

    Este documento presenta los resultados de tres prácticas de laboratorio sobre redes neuronales artificiales realizadas por estudiantes de la Facultad de Ciencias de la Computación de la BUAP. En la primera práctica, se entrenó una red neuronal de tres capas para clasificar imágenes de piel y no piel. En la segunda, se entrenó otra red de tres capas para predecir la fertilidad. Y en la tercera, se entrenó una red de cuatro capas para clasificar granos secos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    33 vistas7 páginas

    TIA Reporte RN Potrero Martinez Aldana

    Cargado por

    Aldo Uriel Aldana Garcia
    Este documento presenta los resultados de tres prácticas de laboratorio sobre redes neuronales artificiales realizadas por estudiantes de la Facultad de Ciencias de la Computación de la BUAP. En la primera práctica, se entrenó una red neuronal de tres capas para clasificar imágenes de piel y no piel. En la segunda, se entrenó otra red de tres capas para predecir la fertilidad. Y en la tercera, se entrenó una red de cuatro capas para clasificar granos secos.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 7

    Benemérita Universidad Autónoma de Puebla

    Facultad de Ciencias de la Computación

    Materia: Técnicas de Inteligencia Artificial.

    Profesor: Luis Rene Marcial Castillo.

    Alumnos:
    Aldo Uriel Aldana Garcia
    Eduardo Potrero Zepeda
    Ana Patricia Martínez Munguía

    Matricula: 201406753, 201452539,201426296


    Practica de Laboratorio
    Primera Base de Datos Skin_NonSkin
    Para esta red neuronal se utilizaron 3 capas, la primera capa tiene 3 neuronas, la segunda
    capa tiene 3 neuronas y la tercera tiene solo una.
    Para la función de activación se utilizo Logsig y el método de entrenamiento fue Trainlm

    function pSkinff
    A=load("Skin.txt");
    X=[A(1:25430,1:3); A(50860:147958,1:3)]';
    t=[A(1:25430,4); A(50860:147958,4)]';
    RN=newff(minmax(X),[3,3,1],{'logsig','logsig','purelin'},'trainlm');
    RNE=train(RN,X,t);
    Y=sim(RNE,X);
    Y=round(Y);
    p=porcentaje(t,Y);
    disp("Porcentaje de Aciertos en entrenamiento:"); disp(p);
    Xa=[A(25431:50859,1:3); A(147959:245057,1:3)]';
    ta=[A(25431:50859,4); A(147959:245057,4)]';
    Ya=sim(RNE,Xa);
    Ya=round(Ya);
    p=porcentaje(ta,Ya);
    disp("Porcentaje de Aciertos en Practica:"); disp(p);
    end
    Como resultado nos da este porcentaje.

    Para método Radial, Matlab no se pudo realizar el entrenamiento con la red


    neuronal en base radial, por que l cantidad de memoria necesitada es muy grande.

    Segunda Base de Datos Fertility


    Para esta red neuronal se utilizaron 3 capas, la primera capa tiene 3 neuronas, la segunda
    capa tiene 2 neuronas y la tercera tiene solo una.
    Para la función de activación se utilizo Logsig y el método de entrenamiento fue Trainlm.
    function pFertility
    A=load("fertility_Diagnosis.txt");
    A=sortrows(A,10);
    X=[A(1:44,1:9); A(89:94,1:9)]';
    t=[A(1:44,10); A(89:94,10)]';
    RN=newff(minmax(X),[3,2,1],{'logsig','logsig','purelin'},'trainlm');
    RNE=train(RN,X,t);
    Y=sim(RNE,X);
    Y=round(Y);
    p=porcentaje(t,Y);
    disp("Porcentaje de Aciertos en entrenamiento:"); disp(p);
    XA=[A(45:88,1:9); A(95:100,1:9)]';
    tA=[A(45:88,10); A(95:100,10)]';
    YA=sim(RNE,XA);
    YA=round(YA);
    p=porcentaje(tA,YA);
    disp("Porcentaje de Aciertos en Practica:"); disp(p);
    disp("--------------------Radial-----------------------------");
    RNR=newrb(X,t);
    YR=sim(RNR,X);
    p=porcentaje(t,YR);
    disp("Porcentaje de Aciertos en entrenamiento Radial:"); disp(p);
    YRA=sim(RNR,XA);
    YRA=round(YRA);
    p=porcentaje(tA,YRA);
    disp("Porcentaje de Aciertos en Practica Radial:"); disp(p);
    end
    En base radial este fue el resultado.

    Tercera Base de Datos DryBean


    function pDryBean
    A=xlsread("Dry_Bean_Dataset.xlsx");
    X=[A(2:1013,1:16); A(2029:2689, 1:16); A(3351:3612, 1:16); A(3873:4688,
    1:16); A(5503:6467,1:16); A(7431:8749, 1:16); A(10067:11840,1:16)]';
    t=[A(2:1013,17); A(2029:2689, 17); A(3351:3612, 17); A(3873:4688, 17);
    A(5503:6467,17); A(7431:8749, 17); A(10067:11840,17)]';

    RN=newff(minmax(X),[4,6,3,1],{'logsig','logsig','logsig','purelin'},'trainlm');
    RNE=train(RN,X,t);
    Y=sim(RNE,X);
    Y=round(Y);
    p=porcentaje(t,Y);
    disp("Porcentaje de Aciertos en entrenamiento:"); disp(p);
    Xa=[A(1013:2027,1:16); A(2690:3350, 1:16); A(3613:3872, 1:16); A(4689:5502,
    1:16); A(6467:7430,1:16); A(8750:10066, 1:16); A(11841:13611,1:16)]';
    ta=[A(1013:2027,17); A(2690:3350, 17); A(3613:3872, 17); A(4689:5502, 17);
    A(6467:7430,17); A(8750:10066, 17); A(11841:13611,17)]';
    Ya=sim(RNE,Xa);
    Ya=round(Ya);
    p=porcentaje(ta,Ya);
    disp("Porcentaje de Aciertos en Practica:"); disp(p);
    end
    Después de media hora estos son los resultaos que nos arrojo y el programa se congelo.

    También podría gustarte