Perceptrón

En el campo de las Redes Neuronales, el perceptrón, creado por Frank Rosenblatt,^[1]​ se refiere a:

La limitación de este algoritmo es que si dibujamos en un gráfico estos elementos, se deben poder separar con un hiperplano únicamente los elementos "deseados" discriminándolos (separándolos) de los "no deseados".

El modelo biológico más simple de un perceptrón es una neurona y viceversa. Es decir, el modelo matemático más simple de una neurona es un perceptrón. La neurona es una célula especializada y caracterizada por poseer una cantidad indefinida de canales de entrada llamados dendritas y un canal de salida llamado axón. Las dendritas operan como sensores que recogen información de la región donde se hallan y la derivan hacia el cuerpo de la neurona que reacciona mediante una sinapsis que envía una respuesta hacia el cerebro, esto en el caso de los seres vivos.

Una neurona sola y aislada carece de razón de ser. Su labor especializada se torna valiosa en la medida en que se asocia a otras neuronas, formando una red. Normalmente, el axón de una neurona entrega su información como "señal de entrada" a una dendrita de otra neurona y así sucesivamente. El perceptrón que capta la señal en adelante se extiende formando una red de neuronas, sean éstas biológicas o de sustrato semiconductor (compuertas lógicas).

El perceptrón usa una matriz para representar las redes neuronales y es un discriminador terciario que traza su entrada ${displaystyle x}$ (un vector binario) a un único valor de salida ${displaystyle f(x)}$ (un solo valor binario) a través de dicha matriz.

${displaystyle f(x)={egin{cases}1&{ ext{si }}wcdot x-u>0\0&{ ext{en otro caso}}end{cases}}}$

Donde ${displaystyle w}$ es un vector de pesos reales y ${displaystyle wcdot x}$ es el producto escalar (que computa una suma ponderada). ${displaystyle u}$ es el 'umbral', el cual representa el grado de inhibición de la neurona, es un término constante que no depende del valor que tome la entrada.

El valor de ${displaystyle f(x)}$ (0 o 1) se usa para clasificar ${displaystyle x}$ como un caso positivo o un caso negativo, en el caso de un problema de clasificación binario. El umbral puede entenderse como una manera de compensar la función de activación, o una forma de fijar un nivel mínimo de actividad a la neurona para considerarse como activa. La suma ponderada de las entradas debe producir un valor mayor que ${displaystyle u}$ para cambiar la neurona de estado 0 a 1.

En el perceptrón, existen dos tipos de aprendizaje, el primero utiliza una tasa de aprendizaje mientras que el segundo no la utiliza. Esta tasa de aprendizaje amortigua el cambio de los valores de los pesos.^[2]​

El algoritmo de aprendizaje es el mismo para todas las neuronas, todo lo que sigue se aplica a una sola neurona en el aislamiento. Se definen algunas variables primero:

Los dos tipos de aprendizaje difieren en este paso. Para el primer tipo de aprendizaje, utilizando tasa de aprendizaje, utilizaremos la siguiente regla de actualización de los pesos:

Para el segundo tipo de aprendizaje, sin utilizar tasa de aprendizaje, la regla de actualización de los pesos será la siguiente:

Por lo cual, el aprendizaje es modelado como la actualización del vector de peso después de cada iteración, lo cual sólo tendrá lugar si la salida ${displaystyle y}$ difiere de la salida deseada ${displaystyle delta }$. Para considerar una neurona al interactuar en múltiples iteraciones debemos definir algunas variables más:

En cada iteración el vector de peso es actualizado como sigue:

El periodo de aprendizaje ${displaystyle D_{m}}$ se dice que es separable linealmente si existe un valor positivo ${displaystyle gamma }$ y un vector de peso ${displaystyle w}$ tal que: ${displaystyle y_{i}cdot left(langle w,x_{i} angle +u ight)>gamma }$ para todos los ${displaystyle i}$.

Novikoff (1962) probó que el algoritmo de aprendizaje converge después de un número finito de iteraciones si los datos son separables linealmente y el número de errores está limitado a: ${displaystyle left({frac {2R}{gamma }} ight)^{2}}$.

Sin embargo si los datos no son separables linealmente, la línea de algoritmo anterior no se garantiza que converja.

Considere las funciones AND y OR. Estas funciones son linealmente separables y por lo tanto pueden ser aprendidas por un perceptrón.

La función XOR no puede ser aprendida por un único perceptrón puesto que requiere al menos de dos líneas para separar las clases (0 y 1). Debe utilizarse al menos una capa adicional de perceptrones para permitir su aprendizaje.

Un perceptrón aprende a realizar la función binaria NAND con entradas ${displaystyle x_{1},}$ y ${displaystyle x_{2},}$. Entradas: ${displaystyle x_{0},}$, ${displaystyle x_{1},}$, ${displaystyle x_{2},}$, donde ${displaystyle x_{0},}$ se mantiene constante en 1.

Umbral (${displaystyle t}$): 0.5

Bias (${displaystyle b}$): 0

Tasa de aprendizaje (${displaystyle r}$): 0.1

Conjunto de entrenamiento, que consiste en cuatro muestras: ${displaystyle {((1,0,0),1),((1,0,1),1),((1,1,0),1),((1,1,1),0)},}$

En lo que sigue, los pesos finales de una iteración se convierten en los pesos iniciales de la siguiente. Cada ciclo sobre todas las muestras en el conjunto de entrenamiento está marcado con líneas gruesas.

Este ejemplo se puede implementar en Python con el siguiente código.