Reconocimiento de patrones mediante redes neuronales
Para
simular el funcionamiento de un perceptrón multinivel entrenado mediante el
algoritmo back
propagation,
se plantea un sencillo problema de reconocimiento de óptico de caracteres. Su
descripción es la siguiente:
Dado
un panel de entrada compuesto por una matriz de 7x5 puntos, se consideran 6
clases diferentes donde se pretenden clasificar las muestras que se introducen.
Los patrones que definen correctamente a cada una de las clases son los números
del 0 al 5.
Cuando
a la entrada se presente una muestra distinta de los patrones correctos, el sistema
presentará a su salida la información decodificada de la clase a la que
pertenece la muestra, o bien, de la clase a la cual se aproxima más.
En
base a este planteamiento, la red neuronal dispone de 35 entradas que se
corresponden con los puntos de la matriz numerados. El valor de cada entrada
puede ser 0 si el punto es blanco y 1 si el punto es negro. Por otro lado, dispone
de 6 salidas, una por cada clase. Cuando se introduzca una muestra a la entrada
únicamente se activará la salida de la clase a la que pertenezca, permaneciendo
las 5 restantes desactivadas con valores próximos a cero. Se considera que una
salida está activada cuando su valor es próximo a la unidad.
Para mayor
entendimiento tenemos esta matriz representativa:
