Ejercicio escrito: Compuerta Logica OR

Clase 17 de 28 • Curso de Introducción a Machine Learning 2017

En esta ocasión lo que tienes que hacer es desarrollar la sentencia por cada renglón como vimos en el material anterior con el ejemplo.

Pesos = [-10 20 20] Ecuación = g(-10 + 20x1 + 20x2)

Deja tus resultados en el sistema de discusiones y si puedes, ayuda a quienes tengan dudas para poder continuar con lo siguiente.

William Arevalo

student•

En Python:

El source es el sgte:

pesos = [-10, 20, 20]
output = []
x1 = False
x2 = False

#Ecuacion = g(-10+20x1+20x2)
for i in range(4):
    e = pesos[0] + (pesos[1]*x1) + (pesos[2]*x2)
    if e < 0:
        output.append(0)
    elif e > 0:
        output.append(1)
    print("""({}+({}*{})+({}*{}))\t= g({})""".format(pesos[0],pesos[1],x1,pesos[2],x2,e))
    if i % 2 != 0:
        x2 = False
        if x1 == False:
            x1 = True
        else:
            x1 = False
    else:
        x2 = True
print("Output = {}".format(output))

😃

Jairo Ramirez Castaño

student•

AND
x1 x2
0    0    0 == -10
0    1    0 == 10
1    0    0 == 10
1    1    1 == 30
[0,0,0,1]

OR
x1 x2
0    0    0 == -10
0    1    1 == 10
1    0    1 == 10
1    1    1 == 30
[0,1,1,1]

Carlos Jacob Carrasco Rodriguez

student•

yo creo que te equivocas con la compuerta AND, los pesos (valores) no cumplen con la regla del AND que al menos uno es VERDADERO el resultado sera verdadero [1].

Pablo Moreno Roldán

student•

Los resultados de la puerta lógica AND están bien, pero no el procedimiento por el que se han obtenido (la formula), ya que, según esos pesos el resultado de esa puerta lógica “AND” sería la de la OR.

Los pesos de las xi (x1 y x2) están preparados para dar los resultados de una puerta OR, simulando así dicha puerta lógica.
Por eso obtiene un valor positivo en las combinaciones “x1=0 x2=1” y “x1=1 x2=0”

Espero no haber liado la manta, salu2 :3

Helmut David Soler

student•

0 0 0 == -10
0 1 1 == 10
1 0 1 == 10
1 1 1 == 30

Mauricio Ayala Zavala

student•

<code>
-10 + 20 * 0 + 20 * 0 = -10
-10 + 20 * 1 + 20 * 0 = 10
-10 + 20 * 0 + 20 * 1 = 10
-10 + 20 * 1 + 20 * 1 = 30

Joel Carmona

student•

Ecuación

g(-10 + 20x1 + 20x2)

x1 = 0 or x2 = 0 then g(-10) —> 0
x1 = 0 or x2 = 1 then g(10) —> 1
x1 = 1 or x2 = 0 then g(10) —> 1
x1 = 1 or x2 = 1 then g(30) —> 1

input [0,1,1,1]

Iván Gabriel Guerra

student•

Mauricio Hernan Cabrera

student•

#include<stdio.h>
#define MAX 4

int main (){
	int A[MAX];
	int B[MAX];
	int i;
	int resultado[MAX];
	
	for (i=0;i<MAX;i++){
		scanf ("%d %d", &A[i], &B[i]);
	}
	
	for (i=0;i<MAX;i++){
		if((-30 + (20*A[i]) + (20*B[i])) > 0){
			resultado[i] = 1;
		}else{
			resultado[i] = 0;
		}
	}
	
	printf ("Resultado con AND\n");
	for (i=0;i<MAX;i++){
		printf ("%d, ", resultado[i]);
	}
	
	for (i=0;i<MAX;i++){
		if((-10 + (20*A[i]) + (20*B[i])) > 0){
			resultado[i] = 1;
		}else{
			resultado[i] = 0;
		}
	}
	printf ("\nResultado con OR\n");
	for (i=0;i<MAX;i++){
		printf ("%d, ", resultado[i]);
	}

	return 0;
}

Mauricio Andrés Guerra Cubillos

student•

Compuerta Lógica OR [0, 1, 1, 1]

entradas = [[0,0], [0,1], [1,0], [1,1]]
pesos = [-10, 20, 20]

def sigmoide(x):
    y = pesos[0] + pesos[1]*x[0] + pesos[2]*x[1]
    if y<0: return 0
    return 1

print [sigmoide(x)  for x in entrada]

[0, 1, 1, 1]

Alfonso Reyes

student•

A = (0, 0, 1, 1)
B = (0, 1, 0, 1)

def main():
    result = []
    for idx in range(len(A)):
        result.append(process(A[idx], B[idx], g))
    print('A:      {}'.format(A))
    print('B:      {}'.format(B))
    print('A or B: {}'.format(result))

def process(x1, x2, func):
    return sigmoid(func(x1, x2))

def g(x1, x2):
    return -10 + 20 * x1 + 20 * x2

def sigmoid(x):
    if x >= 0:
        return 1
    return 0

if __name__ == '__main__':
    main()

Resultado:

A:      (0, 0, 1, 1)
B:      (0, 1, 0, 1)
A or B: [0, 1, 1, 1]

Ignacio Esteban Aredez Diaz

student•

Resultados:

Pesos = [-10 20 20]
Ecuación = g(-10 + 20x1 + 20x2)

1 = g(-10 + 20X0 + 20X0) = 00 = 0
2 = g(-10 + 20X0 + 20X1) = 10 = 1
3 = g(-10 + 20X1 + 20X0) = 10 = 1
4 = g(-10 + 20X1 + 20X1) = 30 = 1

[0] OR [0] = [0]
[0] OR [1] = [1]
[1] OR [0] = [1]
[1] OR [1] = [1]

Ignacio Esteban Aredez Diaz

student•

Gracias, si tienes razon es -10, aunque el resultado final 0 si es correcto

Osmandi Gomez

student•

Mi ejercicio, me gust mucho el curso 😄

X1=0 AND X2=0 then g(-10)=0
X1=0 AND X2=1 then g(10)=1
X1=1 AND X2=0 then g(10)=1
X1=1 AND X2=1 then g(10)=1

Jesus Hernandez

student•

El último renglón bro, es g(30).

Osmandi Gomez

student•

Ya no puedo editarlo, pero muchas gracias Jesús.

Nagcely Mendoza

student•

Resultado:
E1 = -10
E2 = 10
E3 = 10
E4 = 30

Ouput = [0,1,1,1]

Carlos Eduardo León Varela

student•

P = [-10 20 20]
ho(x)=g(-10 + 20x1 + 20x2)

x1 = 0 And x2 = 0 then g(-10) = ho(x)=g(-10 + 20(0) + 20(0))=-10 ▒~ 0
x1 = 0 And x2 = 1 then g( 10) = ho(x)=g(-10 + 20(0) + 20(1))= 10 ▒~ 1
x1 = 1 And x2 = 0 then g( 10) = ho(x)=g(-10 + 20(1) + 20(0))= 10 ▒~ 1
x1 = 1 And x2 = 1 then g( 30) = ho(x)=g(-10 + 20(1) + 20(1))= 30 ▒~ 1

a=[0,1,1,1]

Jonathan Stive Gonzalez

student•

//#Modelo Neuronal compuerta OR
function capa1(datos){
	let resultado  = -10 + 20*datos[0] + 20*datos[1];
  if (resultado>0)
    return "Verdadero"
  else
    return "Falso"
}

let input = [0,0];

console.log(`El resultado es: ${capa1(input)}`)

Danelia Sanchez Sanchez

student•

# -*- coding: utf-8 -*-
#Compuerta Lógica OR

pesos = [-10, 20, 20]
A = [0, 0, 1, 1]
B = [0, 1, 0, 1]
salida = []

def sigmoide(x1, x2):
    return pesos[0] + (pesos[1] * x1) + (pesos[2] * x2)

if __name__ == '__main__':
    for a, b in zip(A, B):
        result = sigmoide(a, b)
        if result >= 0:
            salida.append(1)
        else:
            salida.append(0)
        print("x1 = {} and x2 = {} then g({}) => {}".format(a, b, result, salida[-1]))

    print("Salida: {}".format(salida))

Resultado:

Jesus Alberto Ramos Bracamonte

student•

-10 + 20( 0 ) + 20 ( 0 ) = -10 + 0 + 0 = -10 => 0
-10 + 20( 0 ) + 20 ( 1 ) = -10 + 0 + 20 = 10 => 1
-10 + 20( 1 ) + 20 ( 0 ) = -10 + 20 + 0 = 10 => 1
-10 + 20( 1 ) + 20 ( 1 ) = -10 + 20 + 20 = 30 => 1

Ronaldo Carbajal Tapahuasco

student•

x1=0 v x2=0 then sigmoide(-10 + 20x1 + 20x2) = 0 x1=0 v x2=1 then sigmoide(-10 + 20x1 + 20x2) = 1 x1=1 v x2=0 then sigmoide(-10 + 20x1 + 20x2) = 1 x1=1 v x2=1 then sigmoide(-10 + 20x1 + 20x2) = 1

Edgardo Rodrigo Ortiz Castaneda

student•

hθ=g(-10+20x1+20x2) g=-10+(20)(0)+(20)(0)= -10 = 0 g= -10+(20)(0)+(20)(1)= 10 = 1 g= -10+(20)(1)+(20)(0)= 10 = 1 g= -10+(20)(1)+(20)(1)= 30 = 1

Carlos Villalobos

student•

A= 0, B= 0, g(-10), resultado = 0 A= 0, B= 1, g(10), resultado = 1 A= 1, B= 0, g(10), resultado = 1 A= 1, B= 1, g(30), resultado = 1

jose lucas

student•

Esto es como las tablas de verdad que vi en primero de universidad. -10 = 0 10 = 1 10 = 1 30 = 1

pesos = [-10, 20, 20]
output = []
x1 = False
x2 = False

#Ecuacion = g(-10+20x1+20x2)
for i in range(4):
    e = pesos[0] + (pesos[1]*x1) + (pesos[2]*x2)
    if e < 0:
        output.append(0)
    elif e > 0:
        output.append(1)
    print("""({}+({}*{})+({}*{}))\t= g({})""".format(pesos[0],pesos[1],x1,pesos[2],x2,e))
    if i % 2 != 0:
        x2 = False
        if x1 == False:
            x1 = True
        else:
            x1 = False
    else:
        x2 = True
print("Output = {}".format(output))

#include<stdio.h>
#define MAX 4

int main (){
	int A[MAX];
	int B[MAX];
	int i;
	int resultado[MAX];
	
	for (i=0;i<MAX;i++){
		scanf ("%d %d", &A[i], &B[i]);
	}
	
	for (i=0;i<MAX;i++){
		if((-30 + (20*A[i]) + (20*B[i])) > 0){
			resultado[i] = 1;
		}else{
			resultado[i] = 0;
		}
	}
	
	printf ("Resultado con AND\n");
	for (i=0;i<MAX;i++){
		printf ("%d, ", resultado[i]);
	}
	
	for (i=0;i<MAX;i++){
		if((-10 + (20*A[i]) + (20*B[i])) > 0){
			resultado[i] = 1;
		}else{
			resultado[i] = 0;
		}
	}
	printf ("\nResultado con OR\n");
	for (i=0;i<MAX;i++){
		printf ("%d, ", resultado[i]);
	}

	return 0;
}

entradas = [[0,0], [0,1], [1,0], [1,1]]
pesos = [-10, 20, 20]

def sigmoide(x):
    y = pesos[0] + pesos[1]*x[0] + pesos[2]*x[1]
    if y<0: return 0
    return 1

print [sigmoide(x)  for x in entrada]

A = (0, 0, 1, 1)
B = (0, 1, 0, 1)

def main():
    result = []
    for idx in range(len(A)):
        result.append(process(A[idx], B[idx], g))
    print('A:      {}'.format(A))
    print('B:      {}'.format(B))
    print('A or B: {}'.format(result))

def process(x1, x2, func):
    return sigmoid(func(x1, x2))

def g(x1, x2):
    return -10 + 20 * x1 + 20 * x2

def sigmoid(x):
    if x >= 0:
        return 1
    return 0

if __name__ == '__main__':
    main()

//#Modelo Neuronal compuerta OR
function capa1(datos){
	let resultado  = -10 + 20*datos[0] + 20*datos[1];
  if (resultado>0)
    return "Verdadero"
  else
    return "Falso"
}

let input = [0,0];

console.log(`El resultado es: ${capa1(input)}`)

# -*- coding: utf-8 -*-
#Compuerta Lógica OR

pesos = [-10, 20, 20]
A = [0, 0, 1, 1]
B = [0, 1, 0, 1]
salida = []

def sigmoide(x1, x2):
    return pesos[0] + (pesos[1] * x1) + (pesos[2] * x2)

if __name__ == '__main__':
    for a, b in zip(A, B):
        result = sigmoide(a, b)
        if result >= 0:
            salida.append(1)
        else:
            salida.append(0)
        print("x1 = {} and x2 = {} then g({}) => {}".format(a, b, result, salida[-1]))

    print("Salida: {}".format(salida))	

Ejercicio escrito: Compuerta Logica OR

¡Espera pronto la actualización de este curso!

¡Espera pronto la actualización de este curso!

Introducción a Inteligencia Artificial

Conoce a tu profesora y la estructura del curso

¿Qué es Inteligencia Artificial?

Anatomía de la Inteligencia Artificial

Machine Learning

¿Qué es Machine Learning?

Probablidiad y Estadítica

Revisando Probabilidad y Estadística

Ejercicio escrito: Media, moda y mediana

Varianza y Desviación Estándar

Ejercicio escrito: Varianza y desviación estándar

Algoritmos

¿Qué son algoritmos?

Ejercicio escrito: Secuencia de Fibonacci

Regresión Lineal

Ejercicio escrito: Regresión Lineal

Regresión Logística

Regresión Logística Multinomial

Redes Neuronales

Ejercicio escrito: Compuerta Logica OR

Algoritmo K-Means

Deep Learning (Aprendizaje Profundo)

Problemas Frecuentes en Machine Learning

Ejercicio escrito: Underfitting y Overfitting

Construyendo un Modelo

Introducción a la construcción de un modelo en Machine Learning

Construyendo un modelo con Python y Tensor Flow

Sesión interactiva con Tensor Flow

Ejemplo gráfico con Microsoft Azure Machine Learning Studio

Cierre del curso

Consejos para aplicar Machine Learning

Contenido Bonus

¿Qué es Machine Learning e Inteligencia Artificial?

¿Qué es Deep Learning?