Beruflich Dokumente
Kultur Dokumente
Sistemas Neuro-Difusos
Reporte de Redes Neuronales.
Identificador de colores en escala RGB
Nombre:
Campos Jardon Luis Eduardo
Fecha de entrega:
Jueves 16 de Julio del 2015
Grupo:
2MM10
Prof.:
Dra. Blanca Tovar Corona
Introduccin
Las Redes Neuronales Artificiales (RNA) estn inspiradas en la biologa, esto significa
que estn formadas por elementos que se comportan de manera anloga a las
neuronas (en las funciones ms elementales) y estn organizadas de una forma similar
a la del cerebro.
Las caractersticas fundamentales de las RNA son:
Redes multicapa
Las redes multicapa se forman por un conjunto de redes de capa simple en cascada
unidas por pesos, donde la salida de una capa es la entrada de la siguiente capa.
Generalmente son capaces de aprender funciones que una red de capa simple no
puede aprender, por lo que ofrecen mejores capacidades computacionales. Para que
este incremento en poder computacional sea tal, tiene que existir una funcin de
activacin no lineal entre las capas, por lo que generalmente se utilizar una funcin de
activacin sigmoidea en detrimento de la lineal o umbral.
Para calcular la salida de una red multicapa se debe hacer de la misma manera que en
las redes de capa simple, teniendo en cuenta que las salidas de una capa son las
entradas de la siguiente capa.:
Redes recurrentes: Las redes consideradas hasta ahora no tienen conexiones entre
pesos de la salida de una capa a la entrada de la misma capa o anteriores. Las redes
que poseen esta caracterstica son conocidas como redes recurrentes. Las redes
recurrentes no tienen memoria, es decir, la salida solamente est determinada por las
entradas y los pesos. Las capas recurrentes redireccionan previas salidas a entradas.
Su salida es determinada por su entrada y sus salidas previas, por lo que se puede
asemejar a la memoria a corto plazo de los seres humanos.
Negro
Blanco
Rojo
Verde
Azul
Magenta
Cyan
Amarillo
Como se ha mencionado, dado que las proporciones de rojo, verde o azul son muy
diversas, se obtienen diversas tonalidades, pero a fin de cuentas, matices diferentes de
cada uno de los diferentes colores antes mencionados.
Las combinaciones de los colores primarios se pueden visualizar de la siguiente manera
de acuerdo a la tonalidad que genera la combinacin de las diferentes proporciones de
cada color primario.
OBJETIVO.
Utilizando la Red Neuronal Artificial tipo Kohonnen Competitiva llevar a cabo la
identificacin de los diferentes colores de acuerdo a las diferentes proporciones de los
colores primarios obtenidos por medio de tres fotodiodos configurados cada uno para
sensar cada color (rojo, verde y azul).
PROCEDIMIENTO.
Para fines prcticos, los datos obtenido por los sensores se van a simular como datos
de entrada otorgados por el usuario, con una escala de valores del 0 al 255 para cada
color primario, ya que stos seran los valores decimales obtenidos por cada fotodiodo.
Como ya se mencion, los valores de cada color primario van de 0 a 255, ya que los
valores que obtienen los fotodiodos son 8 bits, de los cuales convertidos a hexadecimal
son 00-FF.
Clase 1
Negro
patrn
1
patrn
2
patrn
3
patrn
4
patrn
5
patrn
6
patrn
7
patrn
Clase 2
Verde
Clase 3
Azul
Clase 4
Clase 5
Clase 6
Clase 7
Clase 8
Cyan
Rojo
Amarillo
Magenta
Blanco
[0,170,17
[170,170, [170,0,17 [170,170
[0,0,0] [0,170,0] [0,0,170]
[170,0,0]
0]
0]
0]
70]
[0,85,17 [0,255,17 [170,85, [170,255, [170,85,1 [170,255
[0,85,0] [0,255,0]
0]
0]
0]
0]
70]
70]
[0,170,8
[0,170,25 [170,0,8 [170,170, [170,0,25 [170,170
[0,0,85]
[0,0,255]
5]
5]
5]
85]
5]
55]
[0,85,8 [0,255,8 [0,85,25 [0,255,25 [170,85, [170,255, [170,85,2 [170,255
5]
5]
5]
5]
85]
85]
55]
55]
[85,170, [85,0,17 [85,170,1
[255,170, [255,0,17 [255,170
[85,0,0]
[255,0,0]
0]
0]
70]
0]
0]
70]
[85,85, [85,255, [85,85,1 [85,255,1 [255,85, [255,255, [255,85,1 [255,255
0]
0]
70]
70]
0]
0]
70]
70]
[85,0,8 [85,170, [85,0,25 [85,170,2 [255,0,8 [255,170, [255,0,25 [255,170
5]
85]
5]
55]
5]
85]
5]
55]
[85,85, [85,255, [85,85,2 [85,255,2 [255,85, [255,255, [255,85,2 [255,255
85]
85]
55]
55]
85]
85]
Posteriormente se definen los vectores W, los cuales son los que identificarn cada
color.
W1
W2
W3
W4
W5
W6
W7
W8
[38.25,38.25,38.5]
[38.25,216.75,38.
5]
[38.25,38.25,216.
75]
[38.25,216.75,216
.75]
[216.75,38.25,38.
5]
[216.75,216.75,38
.5]
[216.75,38.25,216
.75]
[216.75,216.75,21
6.75]
Una vez definidos los patrones de las clases y los vectores W, se crean un vector pt
horizontal de 64 elementos, wt vectical de 8 elementos y se define un alpha de 0.2 as
como sigue:
55]
55]
ejecutar 64 veces (1 vez por cada patrn) y el tercero Z, por el nmero de W, en este
caso 8.
Se observa que la ejecucin de la competencia se lleva a cabo en los dos ltimos FOR,
pero antes de cerrar el ltimo, se aprecia que se plotea wtn, el simula el movimiento de
las W por cada iteracin, para buscar el resultado en cada clase.
Despus de terminados los ciclos FOR, se inicia uno nuevo, y en ste se lleva a cabo la
competencia de WTN con el vector de los valores RGB ingresados por los fotodiodos
(en este caso ingresados por el usuario), y aqu se obtiene GUS, el cual es el valor que
se va a comparar y condicionar para definir a qu color corresponde cada combinacin
de las proporciones de los colores primarios.
RESULTADOS:
Una vez hecho todo lo anterior, se procede a plotear todos los puntos (64, 8 por
cada clase) los vectores W (8), el punto de la combinacin de las proporciones
de los colores primarios obtenida de los fotodiodos (en este caso ingresada por
el usuario) y WTN (8 W por 30 iteraciones).
http://43hilos120palabras.blogspot.mx/2014/11/color-rgb.html
http://ingenieria.udea.edu.co/investigacion/mecatronica/mectronics/redes.htm
APENDICE:
Cdigo principal: