ESCUELA PROFESIONAL DE

INGENIERÍA DE SISTEMAS

GUÍA DE LABORATORIO N° 12
Escuela Profesional: Ingeniería de Sistemas. Asignatura: Sistemas Inteligentes.
Ciclo y Turno: VII/A/B/Grupo 13-14 SUBE. Semestre Académico: 2017-II
Docente: Mg. Huarote Zegarra Raúl Eduardo

SESIÓN 12: Perceptron multicapa: Usa de la red neuronal con diferentes capas para el
proceso de aprendizaje.

INTRODUCCIÓN

En esta sesión se presenta ejercicios prácticos donde el estudiante debe realizar las
funciones básicas del perceptron multicapa en la programación en Python.

El estudiante desarrollará las prácticas a través del script de Python en forma individual.
Además si tiene alguna duda el docente o el jefe de práctica le apoyarán.

Antes de finalizar la sesión los estudiantes deben presentar su trabajo para su

calificación correspondiente por el docente.

I. OBJETIVOS

Al término de esta sesión, el estudiante será capaz de:

1. Conocer la sintaxis propia del lenguaje de programación Python:
correspondiente a la creación de aprendizaje de una red neuronal.
2. Realizar la instalación de las librerías para numpy para el manejo de matrices.

II. EQUIPOS Y MATERIALES

 Computadora personal.
 Programa Python 2.7.13.

III. METODOLOGIA Y ACTIVIDADES

a) Elaborar los casos propuestos en el laboratorio.

b) Presentar avances de cada uno de los ejercicios al docente o jefe de práctica
encargado para la calificación correspondiente.
c) Grabar la carpeta en el campus.
d) Apagar el computador y dejarla en buen estado al retirarse del laboratorio dejar
todo en orden

Semestre 2017_II Sistemas Inteligentes

IV. IMPORTANTE
Antes de comenzar a realizar el laboratorio, una carpeta, donde se guardarán todas
las aplicaciones realizadas en el presente laboratorio con el nombre Sesion12_LAB

V. TRABAJO PRÁCTICO

Teniendo en cuenta el ejemplo práctico dado en laboratorio 12, desarrollar los

siguientes ejercicios teniendo en cuenta la siguiente rúbrica.

RUBRICA:
Inicio Proceso Logro previsto Logro satisfactorio
0-10 11-13 14-17 18-20
Desarrollo Desarrollo Desarrollo Desarrollo
correctamente del correctamente del correctamente del correctamente del
laboratorio hasta un laboratorio hasta un laboratorio hasta un laboratorio hasta un
50 % 60 % 80 % 100%

Caso de uso del aprendizaje de una red neuronal

Semestre 2017_II Sistemas Inteligentes

Semestre 2017_II Sistemas Inteligentes
Semestre 2017_II Sistemas Inteligentes
Semestre 2017_II Sistemas Inteligentes
Semestre 2017_II Sistemas Inteligentes
Semestre 2017_II Sistemas Inteligentes
Semestre 2017_II Sistemas Inteligentes
Código fuente
#def formula_1()
X = [[1,1],
[1,-1],
[-1,1],
[-1,-1]]
T = [1,

Semestre 2017_II Sistemas Inteligentes

 1,
1,
-1]
W = [1.2,-1.2]
U = -0.4
e = 0.5
i=-1
while i<len(T)-1:
i = i +1
y = X[i][0]*W[0]+X[i][1]*W[1]-U
print "i=",i," Y_= ",y
if y>=0:
y=1
else:
y=-1
print "Y= ",y
if y!=T[i]:
print "Actualiza peso"
W[0]= W[0]+2*e*T[i]*X[i][0]
W[1]= W[1]+2*e*T[i]*X[i][1]
U = U+2*e*T[i]*(-1)
i=-1
print "iii=",i
print "W =",W, " U =",U

print "_______________________"

Semestre 2017_II Sistemas Inteligentes