Introducción
Adaline
(Adaptative Linear Element) es un tipo de red neuronal artificial
desarrollada por el profesor Bernard Windrow y Marcian E. Hoff en
1960.
Windrow
se concentró en proceso de señales adaptativas, sistemas de control
adaptativo y redes neuronales adaptativas, es decir sistemas que
tienen la capacidad de aprender y mejorar su comportamiento mediante
el contacto con el entorno.
Características
- Adaline se diferencia del perceptor simple principalmente porque está compuesta por una sola neurona.
- Su función de transferencia es lineal o pureline.
- Procesamiento de información analógica, tanto de entrada como de salida utilizando la función de activación lineal o sigmoidal.
- Resuelve problemas linealmente separables.
Arquitectura
de la red
Constan
de un solo neurona con una capa de entrada y sólo una salida.
Fig 1. Arquitectura Red Adaline [1].
- Los valores X1, x2 … Xn son las entradas de la neurona.
- Los valores de W1, W2, …. Wn son los pesos asociados a las entradas.
- Y el valor del lumbral de activación esta definido por θ.
Reglas
de aprendizaje
El
algoritmo de aprendizaje que aplica es el de la regla del mínimo
error, cuadrado medio (LMS) o regla de Windrow-Hoff.
La manera de reducir este error global es ir modificando los valores de los pesos al procesar cada entrada, de forma iterativa, mediante la regla del descenso del gradiente. Suponiendo que tenemos una constante de aprendizaje alfa:
Que será la expresión que utilizaremos por cada entrada para modificar los pesos. El
proceso de formación ajusta los pesos asociados con cada entrada,
para minimizar el error entre las salidas obtenidos y las salidas
deseadas. Por lo tanto, se espera la neurona "aprender"
sobre el problema y puede tomar decisiones por otros casos de las
entradas que no se presentaron durante el entrenamiento
Algoritmo
-
Inicialización de los pesos
-
Se aplica un patrón de entras y salidas deseadas
-
Se computa la salida lineal que se obtiene de la red
-
Se calcula el error cometido para dicho patrón
-
Se actualiza las conexiones mediante la ecuación obtenida anteriormente
-
Se repite los pasos del 2-5 para todos los patrones de entrenamiento
-
Si el error cuadrático es un valor reducido aceptable termina el proceso sino regresa al paso 2
Referencias:
López,
R. F., & Fernandez, J. M. F. (2008). Las
redes neuronales artificiales.
Netbiblo.
Osiro,
L., Lima, R. H. P., Junior, F. R. L., & Carpinetti, L. C. R.
(2013). PROPOSTA DE USO DE REDES NEURAIS ARTIFICIAIS EM UMA MATRIZ DE
PORTFÓLIO DE COMPRAS. XXXIII
Encontro Nacional de Engenharia de Producao, Salvador, Bahia, Brasil.
Salavert,
I. R., & Graciani, M. A. F. (1995). Vida
artificial (Vol.
10). Univ de Castilla La Mancha.
