Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 431 vistas

    Red Neuronal de Matlab Con Arduino

    Cargado por

    Nicsha Kcur Euqer
    Este documento describe cómo diseñar e implementar una red neuronal para simular una compuerta XOR usando Matlab y Arduino. Primero, se entrena la red neuronal en Matlab para obtener los pesos y bias óptimos. Luego, estos valores se programan en Arduino junto con el código de la red neuronal, usando los puertos de Arduino como entradas y salida para simular la red neuronal en un dispositivo físico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Red Neuronal de Matlab Con Arduino

    Cargado por

    Nicsha Kcur Euqer
    431 vistas5 páginas
    Este documento describe cómo diseñar e implementar una red neuronal para simular una compuerta XOR usando Matlab y Arduino. Primero, se entrena la red neuronal en Matlab para obtener los pesos y bias óptimos. Luego, estos valores se programan en Arduino junto con el código de la red neuronal, usando los puertos de Arduino como entradas y salida para simular la red neuronal en un dispositivo físico.

    Descripción original:

    Sistemas Embebidos

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento describe cómo diseñar e implementar una red neuronal para simular una compuerta XOR usando Matlab y Arduino. Primero, se entrena la red neuronal en Matlab para obtener los pesos y bias óptimos. Luego, estos valores se programan en Arduino junto con el código de la red neuronal, usando los puertos de Arduino como entradas y salida para simular la red neuronal en un dispositivo físico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    431 vistas5 páginas

    Red Neuronal de Matlab Con Arduino

    Cargado por

    Nicsha Kcur Euqer
    Este documento describe cómo diseñar e implementar una red neuronal para simular una compuerta XOR usando Matlab y Arduino. Primero, se entrena la red neuronal en Matlab para obtener los pesos y bias óptimos. Luego, estos valores se programan en Arduino junto con el código de la red neuronal, usando los puertos de Arduino como entradas y salida para simular la red neuronal en un dispositivo físico.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    de 5

    Red Neuronal en Matlab y Arduino.

    Objetivo

    Diseñar una red neuronal que simule una compuerta XOR e implementarla en una placa de
    Arduino.

    Paso 1: Matlab

    En Matlab, primero obtendremos los “pesos (w)” y “bias (b)” que se utilizarán para crear una
    red neuronal de dos capas y tres neuronas mostrada en la siguiente figura.

    Donde:

    p1 y p2 son las entradas de la red neuronal.

    w son los pesos de las entradas de la neurona.

    b son las bias. El sesgo que controla que tan predispuesta esta la neurona a
    disparar un 1 o 0 independiente de los pesos.

    f(n) son las funciones

    n son las salidas.

    Vamos a crear la matriz p en Matlab que tendrá las entradas de las compuertas y la matriz t
    que tendrá los valores de salida para realizar el entrenamiento de la red neuronal.

    Ahora declaramos una variable para nuestra red “net” y con el comando newff vamos a
    realizar el entrenamiento con retro propagación.
    Donde:

    newff(minmax(p): para entrenamiento con retro propagación con esas entradas.

    [2 1] : Es el número de neuronas en la primer capa y la segunda cada.

    {'tansig','purelin'} : Funciones de activación para la primer y segunda capa.

    'traincgf' : Método de entrenamiento para la red neuronal.

    El programa completo para cargar en Matlab sería:


    %-------------------------------------------
    clc, clear all,
    p=[0 0 1 1;
    0 1 0 1];
    t=[0 1 1 0];

    net=newff(minmax(p),[2 1],{'tansig','purelin'},'traincgf');
    net=init(net);
    net.trainParam.epochs=500;
    net.trainParam.goal=1e-6;
    net=train(net,p,t);
    a=sim(net,p)

    pesos1=net.iw{1,1}
    bias1=net.b{1,1}
    pesos2=net.lw{2,1}
    bias2=net.b{2,1}
    %-------------------------------------------

    La descripción del programa es el siguiente:


    Corremos el programa y podemos ver que se resuelven los valores de pesos y bias en 22
    interacciones (Epoch) de las 500.

    Vemos los resultados en la ventana de comandos de Matlab.


    Una vez que se tienen los pesos y las bias se puede crear la red neural en Arduino para simular
    en funcionamiento.

    Paso 2: Arduino

    En el siguiente esquema, se presenta también de forma general la red neuronal a crear, donde
    se puede ver las funciones que se aplican entre neuronas (tansig) y la función que se utiliza
    para la salida (lineal).

    El programa en Arduino para copiar es el siguiente, en el cual las entradas son los puertos 7 y 8
    de Arduino y la salida el 13.
    //---------------------------------------------------
    #include<math.h> //incluida porque necesitamos función tangente
    hiperbólica

    byte p1,p2;
    float n1,n2,n3;
    float a1,a2;
    float e=2.7182818;

    void setup() {
    pinMode(7,INPUT);
    pinMode(8,INPUT);
    pinMode(13,OUTPUT);
    Serial.begin(9600);
    }

    void loop() {
    p1=digitalRead(7);
    p2=digitalRead(8);
    Serial.print(p1);
    Serial.print(" ");
    Serial.print(p2);
    Serial.print(" ");
    //Primer neurona = entrada1*(peso 1,1) + entrada2*(peso 1,2) + (bias
    1)
    n1=p1*(-3.3326)+p2*(-1.9228)+(4.6732);

    //Segunda neurona = entrada1*(peso 2,1) + entrada2*(peso 2,22)+(bias


    1)
    n2=p1*(-3.8230)+p2*(-1.5619)+(-0.0631);

    a1=tansig(n1);
    a2=tansig(n2);

    //Tercer neurona
    n3=a1*(0.7170)+a2*(-1.1662)+(-0.7903);
    n3=round(n3); //Redondeo de la salida

    digitalWrite(13,n3);
    Serial.println(n3);

    //Función tansig, para realizar la operación entre neuronas.


    float tansig(float x){
    float a;
    a=(pow(e,x)-pow(e,-x))/(pow(e,x)+pow(e,-x));
    return a;
    }
    //---------------------------------------------------

    También podría gustarte