REDES NEURONALES CON APRENDIZAJE NO SUPERVISADO
Ejemplo 1
Entrene una red ART1 con los siguientes vectores de entrada:
Use los parámetros 
, (3 Categorías).
Solución
1ra. Iteración
Paso1. Se calcula la respuesta de la capa 1.
Paso2. Se calcula la entrada a la capa 2.
Se activa la neurona con el valor mayor, o en este caso puesto que todos los valores son iguales se activa la de índice menor.
Paso3. Se calcula el valor esperado.
Paso4. Se ajusta la salida para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Continua el paso 7.
Paso7. Ocurre la resonancia. Se actualiza la fila 
de 
.
Paso8. Se actualiza la columna 
de 
.
Paso9. Se remueve el patrón de entrada, se restablecen todas las neuronas inhibidas en la capa 2 y se regresa al paso 1 con un nuevo patrón de entrada.
2da. Iteración
Paso1. Se presenta 
.
Paso2. Se calcula la entrada a la capa 2.
Entran en competencia las salidas de las neuronas. Se elige la neurona 2 como ganadora.
Paso3. Se calcula el valor esperado
Paso4. Se ajusta la salida para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Continua el paso 7.
Paso7. Ocurre la resonancia. Se actualiza la fila 
de 
.
Paso8. Se actualiza la columna 
de 
.
Paso9. Se remueve el patrón de entrada, se restablecen todas las neuronas inhibidas en la capa 2 y se regresa al paso 1 con un nuevo patrón de entrada.
3ra. Iteración
Paso1. Se presenta 
Paso2. Se calcula la entrada a la capa 2.
Se activa la neurona en la capa 2 con la entrada más grande, o bien se toma el del índice más pequeño.
Paso3. Se calcula el valor esperado.
Paso4. La capa 2 está activada, se ajusta la salida de la capa 1 para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Se ajusta 
. Se inhibe la primera neurona y se regresa al paso 1.
Paso1. Se presenta 
.
Paso2. Se calcula la entrada a la capa 2.
Se activa la neurona en la capa 2 con la entrada más grande. Recordar que 
esta inhibida por lo que la neurona ganadora es la siguiente.
Paso3. Se calcula el valor esperado 
.
Paso4. La capa 2 está activada, se ajusta la salida de la capa 1 para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Se ajusta 
. Se inhibe también la segunda neurona y se regresa al paso 1.
Paso1. Se presenta 
.
Paso2. Se calcula la entrada a la capa 2.
Se activa la neurona con el valor más grande. Recordar que:
Están inhibidas por lo que solo queda 
.
Paso3. Se calcula el valor esperado.
Paso4. Se ajusta la salida para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Continua el paso 7.
Paso7. Ocurre la resonancia. Se actualiza la fila 
de 
.
Paso8. Se actualiza la columna 
de 
.
Los valores finales de las matrices son:
Ejemplo 2
Entrene una red ART1 con los siguientes vectores de entrada:
Use los parámetros 
, (3 Categorías).
Solución
1ra. Iteración
Paso1. Se calcula la respuesta de la capa 1.
Paso2. Se calcula la entrada a la capa 2.
Se activa la neurona con el valor mayor, o en este caso puesto que todos los valores son iguales se activa la de índice menor.
Paso3. Se calcula el valor esperado.
Paso4. Se ajusta la salida para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Continua el paso 7.
Paso7. Ocurre la resonancia. Se actualiza la fila 
de 
Paso8. Se actualiza la columna 
de 
.
Paso9. Se remueve el patrón de entrada, se restablecen todas las neuronas inhibidas en la capa 2 y se regresa al paso 1 con un nuevo patrón de entrada.
2da. Iteración
Paso1. Se presenta 
.
Paso2. Se calcula la entrada a la capa 2.
Entran en competencia las salidas de las neuronas. Se elige la neurona 2 como ganadora.
Paso3. Se calcula el valor esperado.
Paso4. Se ajusta la salida para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Continua el paso 7.
Paso7. Ocurre la resonancia. Se actualiza la fila 
de 
Paso8. Se actualiza la columna 
de 
.
Paso9. Se remueve el patrón de entrada, se restablecen todas las neuronas inhibidas en la capa 2 y se regresa al paso 1 con un nuevo patrón de entrada.
3ra. Iteración
Paso1. Se presenta 
.
Paso2. Se calcula la entrada a la capa 2.
Se activa la neurona en la capa 2 con la entrada más grande, o bien se toma el del índice más pequeño.
Paso3. Se calcula el valor esperado.
Paso4. La capa 2 está activada, se ajusta la salida de la capa 1 para incluir el valor esperado 
.
Paso5. Subsistema de Orientación determina el grado de igualdad entre el valor esperado y el patrón de entrada.
Paso6. 
Continua el paso 7.
Paso7. Ocurre la resonancia. Se actualiza la fila 
de 
.
Paso8. Se actualiza la columna 
de 
.
Los valores finales de las matrices son:
Esto completa el entrenamiento puesto que, si se aplica cualquiera de los tres patrones de entrada no se actualizarán los pesos. Estos patrones se han clasificado exitosamente. Este tipo de resultado (Aprendizaje Estable) está garantizado para el algoritmo ART1, puesto que se ha probado que siempre produce clasificaciones estables.
