Graphic analisys ofthe neural-dynamics in a robot able to do imitative learning
Fecha
Autor corporativo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Distrital Francisco José de Caldas. Colombia
Compartir
Director
Altmetric
Resumen
Descripción
Multilayer Perceptron is an artificial neural network able to learn to work in a specific desired way through examples, and once it is trained, it is able to react correctly in situations for which it was not specifically trained, due to its generalization capability. These examples are specified by the designer or can be assimilated with the support of a self-organized map. This paper shows the training verification and the working analysis of the multilayer perceptron used during the development of an imitation learning model; which is focused to a mobile robot displacement over two-dimensional space. This was done designing a comparison method between the attractor’s graphs generated by the instructor robot and the apprentice robot. This method is supported in digital image processing.
El Perceptrón multicapa es una red neuronal artificial capaz de aprender a funcionar de cierta forma deseable mediante ejemplos y, una vez entrenado, es capaz de responder correctamente en situaciones para las cuales no se le entrenó explícitamente, debido a su capacidad de generalización. Dichos ejemplos los especifica el diseñador o pueden asimilarse con el apoyo de un mapa auto-organizado. En el presente artículo se presentan la verificación del entrenamiento y el análisis del funcionamiento del Perceptrón multicapa empleado durante el desarrollo de un modelo de aprendizaje por imitación, enfocado al desplazamiento de un robot móvil en un espacio bidimensional. Esto se logró diseñando un método de comparación entre las gráficas de los atractores generados por el robot instructor y el robot aprendiz. Dicho método esta soportado en procesamiento digital de imágenes.
El Perceptrón multicapa es una red neuronal artificial capaz de aprender a funcionar de cierta forma deseable mediante ejemplos y, una vez entrenado, es capaz de responder correctamente en situaciones para las cuales no se le entrenó explícitamente, debido a su capacidad de generalización. Dichos ejemplos los especifica el diseñador o pueden asimilarse con el apoyo de un mapa auto-organizado. En el presente artículo se presentan la verificación del entrenamiento y el análisis del funcionamiento del Perceptrón multicapa empleado durante el desarrollo de un modelo de aprendizaje por imitación, enfocado al desplazamiento de un robot móvil en un espacio bidimensional. Esto se logró diseñando un método de comparación entre las gráficas de los atractores generados por el robot instructor y el robot aprendiz. Dicho método esta soportado en procesamiento digital de imágenes.
Palabras clave
Artificial neural network, Multilayer Perceptron, Supervised learning, Kohonen Self-organized Map, Self-supervised Perceptron, Imitative Learning, Chaotic Attractor., Red neuronal artificial, Perceptrón multicapa, Aprendizaje supervisado, Mapa auto-organizado de Kohonen, Perceptrón auto-supervisado, Aprendizaje imitativo, Atractor caótico.