Reconocimiento De Voz

Facultad de Ingeniería Electrónica y Mecatrónica

Inteligencia Artificial
V. ADALINE
MSc. David R. Achanccaray Diaz

V.1. Introducción
Antecedentes. _ Desarrollado en 1960 por Widrow y Hoff._ Estructura prácticamente idéntica al perceptron, pero esta basada en la regla de Widrow-Hoff o también conocida como regla Least Mean Square (LMS). Topología. Y = purelin( W * X + B )

2

V.2.Adaline
_ Función de transferencia lineal. _ Aprendizaje supervisado, minimiza la suma de los cuadrados del error. _ Basada en la regla de Widrow-Hoff o también conocida como regla Least Mean Square(LMS). _ Valores de entrada reales y de salidas reales. Regla de Aprendizaje LMS _ Los patrones de entrenamiento están constituidos por pares de valores que son el vector de entrada y su salidadeseada. _ La regla Delta utiliza la diferencia entre la salida producida para cada patrón (p) y la deseada. _ Minimiza una función de coste basada en este error:

3

V.2. Adaline
_ Función detransferencia lineal. _ Aprendizaje supervisado, minimiza la suma de los cuadrados del error. _ Basada en la regla de Widrow-Hoff o también conocida como regla Least Mean Square (LMS). _ Valores de entradareales y de salidas reales. Regla de Aprendizaje LMS. _ Los patrones de entrenamiento están constituidos por pares de valores que son el vector de entrada y su salida deseada. _ La regla Delta utilizala diferencia entre la salida producida para cada patrón (p) y la deseada . _ Minimiza una función de coste basada en este error:

4

V.3. LMS
_ La regla Delta busca el conjunto de pesos queminimiza la función de error. _ Se hará mediante un proceso iterativo donde se van presentando los patrones uno a uno y se van modificando los parámetros de la red mediante la regla del descenso delgradiente. _ Wi (n+1) = Wi (n) + D i _ La idea es realizar un cambio en cada peso proporcional a la derivada del error, medida en el patrón actual, respecto del peso:

V.3. LMS

V.3. LMS

V.3....