229
Donde Si ( j ) = x ( j −1) • ω i ( j ) donde j 5 capa ( j) i 5 elemento (i) Para el método de retropropagación ⎡ dE dE dE ⎤ =⎢ ( j) ⎥ ( j) ( j) dω i dm j −1 ⎥⎦ ⎢⎣ dω i 2 donde E = ( d − f )
por lo tanto ( j) dE dE dSi = dω i( j ) dSi( j ) dω i( j )
Si Si( j ) = x ( j −1) • ω i( j ) ;
dE = x ( j −1) ( j) dω i
sustituyendo dE dE = ( j ) x ( j −1) ( j) dω i dSi teniendo en cuenta que dE d ( d − f )2 2( d − f )df = =− ( j) ( j) dSi dSi dSi( j ) dE 2( d − f )df ( j −1) =− x ( j) dω i dSi( j ) si δ es la sensibilidad del error →
δ=
( d − f )df dSi( j )
dE = −2δ i( j ) x ( j −1) ( j) dω i El gradiente es con sentido negativo ∴
ω i( j ) ← ω i( j ) + ci( j )δ i( j ) x ( j −1) C 5 factor de aprendizaje —Cálculo de los pesos de última capa df δ i( j ) = ( d − f ) ( j ) dSi Inteligencia artificial con aplicaciones a la ingeniería - Ponce
Alfaomega
www.FreeLibros.me Capítulo 03.indd 229
10/06/10 07:09 p.m.