Aprendizaje en redes coulombianas
Se define la energia potencial de una colección de sitios de memoria, haciendo que los de la misma clase se atraigan y los de distinta clase se repelan. Usando el potencial coulombiano, que representa las características antedichas, es posible obtener un algoritmo de aprendizaje supervisado aplicabl...
Guardado en:
Autores principales: | , , |
---|---|
Lenguaje: | Español |
Publicado: |
1994
|
Acceso en línea: | https://hdl.handle.net/20.500.12110/afa_v06_n01_p415 |
Aporte de: |
id |
todo:afa_v06_n01_p415 |
---|---|
record_format |
dspace |
spelling |
todo:afa_v06_n01_p4152023-10-03T13:22:00Z Aprendizaje en redes coulombianas Horas, Jorge Alberto Bea, Edgar Alejandro Pasinetti, Pedro Marcelo Se define la energia potencial de una colección de sitios de memoria, haciendo que los de la misma clase se atraigan y los de distinta clase se repelan. Usando el potencial coulombiano, que representa las características antedichas, es posible obtener un algoritmo de aprendizaje supervisado aplicable a una red de una o más capas. El mencionado algoritmo se implementa en una red neuronal de estructura modular y se muestra su funcionamiento. Se analizan curvas de aprendizaje, estudiándose también la calidad de la convergencia para el caso del XOR The energy of a memory sites ensamble is defined using the coulombian potential, this makes sites belonging to the same class become mutually attractive and the ones belonging to the different class be repelled. Following the above, the known coulombian learning algorithm is implemented in a modular neural networth in which each layer can be trained independently. We analize learning curves, studying also the convergence quality in the typical case of XOR Fil: Horas, Jorge Alberto. Universidad Nacional de San Luis - CONICET. Instituto de Matemática Aplicada de San Luis "Prof. Ezio Marchi" (IMASL). San Luis. Argentina Fil: Bea, Edgar Alejandro. Universidad Nacional de San Luis - CONICET. Instituto de Matemática Aplicada de San Luis "Prof. Ezio Marchi" (IMASL). San Luis. Argentina Fil: Pasinetti, Pedro Marcelo. Universidad Nacional de San Luis - CONICET. Instituto de Matemática Aplicada de San Luis "Prof. Ezio Marchi" (IMASL). San Luis. Argentina 1994 PDF Español info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar https://hdl.handle.net/20.500.12110/afa_v06_n01_p415 |
institution |
Universidad de Buenos Aires |
institution_str |
I-28 |
repository_str |
R-134 |
collection |
Biblioteca Digital - Facultad de Ciencias Exactas y Naturales (UBA) |
language |
Español |
orig_language_str_mv |
Español |
description |
Se define la energia potencial de una colección de sitios de memoria, haciendo que los de la misma clase se atraigan y los de distinta clase se repelan. Usando el potencial coulombiano, que representa las características antedichas, es posible obtener un algoritmo de aprendizaje supervisado aplicable a una red de una o más capas. El mencionado algoritmo se implementa en una red neuronal de estructura modular y se muestra su funcionamiento. Se analizan curvas de aprendizaje, estudiándose también la calidad de la convergencia para el caso del XOR |
author |
Horas, Jorge Alberto Bea, Edgar Alejandro Pasinetti, Pedro Marcelo |
spellingShingle |
Horas, Jorge Alberto Bea, Edgar Alejandro Pasinetti, Pedro Marcelo Aprendizaje en redes coulombianas |
author_facet |
Horas, Jorge Alberto Bea, Edgar Alejandro Pasinetti, Pedro Marcelo |
author_sort |
Horas, Jorge Alberto |
title |
Aprendizaje en redes coulombianas |
title_short |
Aprendizaje en redes coulombianas |
title_full |
Aprendizaje en redes coulombianas |
title_fullStr |
Aprendizaje en redes coulombianas |
title_full_unstemmed |
Aprendizaje en redes coulombianas |
title_sort |
aprendizaje en redes coulombianas |
publishDate |
1994 |
url |
https://hdl.handle.net/20.500.12110/afa_v06_n01_p415 |
work_keys_str_mv |
AT horasjorgealberto aprendizajeenredescoulombianas AT beaedgaralejandro aprendizajeenredescoulombianas AT pasinettipedromarcelo aprendizajeenredescoulombianas |
_version_ |
1807316668401057792 |