Beruflich Dokumente
Kultur Dokumente
Ejrcito Mexicano
Lineal
Sigmoidea
Tangente hiperblica
Redes Multicapa
Es aquella red conformada por una capa de entrada, una capa de salida y
una o ms capas ocultas. Existen la red Perceptor Multicapa (Multi-Layer
Perceptor, MLP) y la red de Base Radial (Radial-Basis Function Networks,
RBF). La red MLP "es una generalizacin del perceptor y surgi como
consecuencia de las limitaciones de dicha arquitectura en lo referente al
problema de la separabilidad no lineal" [14]. Estas redes multicapa han sido
empleadas en aplicaciones para el reconocimiento de patrones,
aproximacin de funciones, prediccin, control [
Diagrama de bloques
El diagrama de bloques del sistema de estabilizacin a desarrollar se observa
en la. Para iniciar con el sistema, el usuario hace uso de un equipo elctrico
durante una semana. El registro de la potencia elctrica consumida del
equipo, tiempo de uso y el detector de presencia ser enviada al
microcontrolador por medio de los sensores mostrados en el diagrama de
bloque y un reloj en tiempo real. Luego, el microcontrolador, quien se encarga
de procesar la informacin recibida, enva dicha informacin finalmente a la
PC. La implementacin de la red neuronal es realizada en la PC mediante el
Toolbox de Matlab. Despus de una semana de uso del equipo elctrico la
red neuronal ser entrenada con los datos recolectados. Una vez que la red
neuronal pueda predecir y controlar los equipos elctricos la siguiente
semana el equipo elctrico se activar o desactivar de forma automtica.
Adems, con la ayuda del monitoreo de los sensores de presencia de
modificar la rutina del usuario para reducir el consumo de energa elctrica
y no afectar el confort del usuario. Finalmente, las seales de salida de la red
neuronal entrenada sern enviadas al microcontrolador, quien se encargar
de procesarla y en base a ellas enva seales de actuacin a los equipos
elctricos
Algoritmo de aprendizaje
Uno de los principales problemas de las redes neuronales es la definicin de
su arquitectura. En cuanto a la topologa se debe elegir el nmero de capas
ocultas y la cantidad de neuronas en cada una, esta resulta ser ms compleja
que la anterior, ya que de ella depende la capacidad de generalizacin de la
red neuronal y otras caractersticas importantes respecto al aprendizaje. Para
la eleccin del nmero de capas ocultas no existe una base terica ni un
criterio de diseo establecido. Por lo que solo depende de la complejidad del
problema que se requiera solucionar al momento de elegir el nmero de
capas. Como tambin, para determinar el nmero de neuronas en cada capa
oculta se suelen utilizar ciertas reglas empricas que no tienen un estricto
sustento matemtico. Sin embargo, estas reglas empricas han demostrado
tener buenos resultados en diversas aplicaciones prcticas. Las siguientes
reglas son las siguientes:
El consumo de potencia del mismo sensor debe ser en orden de los mW.
Inmunidad al ruido.