Upload
hugo-jimenez
View
214
Download
1
Embed Size (px)
DESCRIPTION
rnas
Citation preview
TALLER NO.1 – AJUSTE POLINOMIAL DE CURVAS
Nombre: Camila Andrea Maldonado Borda Código: 20091005015
Inteligencia Artificial - Redes Neuronales
FACULTAD DE INGENIERIA – INGENIERIA ELECTRONICA
UNIVERSIDAD DISTRITAL FRANCISCO JOSE DE CALDAS
1. Los datos poly1 fueron generados con la siguiente función:
( ) ( )
Por medio de MATLAB R2013 se obtuvieron los polinomios de orden n que minimiza el error
cuadrado sobre el conjunto de datos poly1. Se calcularon los coeficientes de los polinomios por
medio de la función polyfit de MATLAB para n de 1 a 15.
Esta función guarda en un vector los coeficientes del vector luego de esto se evalúa la función
polinomial obtenida para el rango de [0,1] con el propósito de luego obtener los valores de
errores entre las funciones. Haciendo uso de la función polyval.
Las funciones estimadas por medio de MATLAB se listan en la TABLA 1 que puede revisar en
los anexos de este documento en la cual también se registraron los errores calculados, el error de
entrenamiento evaluando los puntos o datos de poly1 y los valores obtenidos en esos puntos
para la función estimada y el error entre funciones que compara la función original con la
función estimada evaluada en el intervalo [0,1].
Por otra parte, las gráficas de las funciones estimadas para los polinomios impares, que puede
consultar en los anexos FIGURA 1, detallan y permiten hacer una comparación visual de las
funciones estimadas y la función original. Permitiendo con esto lograr primeros planteamientos
con el fin de llegar a concluir acerca del comportamiento de este método de ajuste de curvas.
Además, se graficó los resultados de los errores calculados para cada polinomio encontrado o
función estimada que fueron registrados en la TABLA1 para poder observar su comportamiento
de acuerdo al aumento en el orden del polinomio estimado, diríjase a la FIGURA 2 en los
anexos.
De acuerdo a los resultados obtenidos y registrados en la TABLA 1 es que el ajuste polinomial
permite llegar al valor exacto de los coeficientes de la función original para el polinomio de
grado n=4, después de este orden el coeficiente que acompaña a la variable de mayor exponente
es muy cercana a cero por lo tanto no tiene gran trascendencia en el comportamiento de la
gráfica y debido a esto el valor del error se mantiene estable a medida que se aumenta el orden
de polinomio como se puede corroborar en la tabla la cual registra valores muy pequeños de
error tanto de entrenamiento como el error entre las funciones. De la FIGURA 1 podemos
concluir que la curva de la función estimada se encuentra totalmente superpuesta en la gráfica
de la función original a partir del polinomio de orden n=5, y así se mantiene al aumentar el
grado del polinomio encontrado. Por último, la FIGURA 3 nos permite analizar y comparar el
comportamiento del valor de los errores calculados y para el caso los errores tanto de
entrenamiento como el error entre funciones tiende a comenzar en un valor considerable y luego
del polinomio de grado 4 baja abruptamente a valores muy pequeños cercanos a cero.
2. Los datos poly2 fueron generados con la función (1) sin embargo estos datos fueron
contaminados con ruido blanco con σ=0.05.
Para obtener las funciones estimadas de orden n se realizó el mismo procedimiento que en el
punto anterior evaluando esta vez sobre los datos de poly2. Los resultados de este
procedimiento se registraron en la TABLA 2 que puede consultar en los anexos, en la cual se
registraron las funciones estimadas de orden 1 al 15 así como los errores calculados para los
puntos y la diferencia entre la función estimada y la función original.
También puede realizarse un análisis grafico de los resultados de las funciones estimadas para
polinomios de orden impar contra la función original y el efecto que tiene la presencia de ruido
blanco en los datos bajo los que se estimaron las funciones, poly2, todo esto a partir de las
gráficas contenidas en la FIGURA 3.
Por último y para completar las herramientas para realizar el análisis de los datos obtenidos en
el taller, se graficaron los valores de los errores para cada polinomio con el cual permite
evidenciar de forma más clara la diferencia que hay entre los resultados obtenidos en cuanto a la
forma en que calculamos el error, ver FIGURA 4 en los anexos.
Se logra un claro ejemplo del comportamiento del ajuste polinomial de curvas para el caso en el
que los datos están contaminados con ruido blanco. Empezaremos nuestro análisis con los datos
registrados en la TABLA 2 de los cuales podemos decir que los polinomios cambian con cada
aumento del grado del polinomio encontrado no presenta unos valores fijos como se presentaba
en el caso anterior. En cuanto a el resultado del error de entrenamiento y el error entre las
funciones podemos ver que tiene un comportamiento inverso, en el caso del error d
entrenamiento; su valor se hace cada vez más pequeño a medida que se aumenta el grado del
polinomio. Por otro lado, el error entre funciones va aumentando su valor a media que aumenta
el grado del polinomio. En cuanto a la FIGURA 3 se observa claramente que la gráfica de la
función estimada se acerca mucho a la gráfica de la función original para el polinomio de orden
n=5 pero al aumentar el orden del polinomio encontrado podemos observar que la función
estimada se aleja cada vez más de la función original pero sigue pasando por los puntos de los
datos poly2, cosa que se esperaba de acuerdo a os datos que registran el valor del error en la
TABLA 2.
A partir de la FIGURA 3, queda totalmente claro el comportamiento del error tanto de
entrenamiento como entre funciones, confirmamos así el planteamiento realizado anteriormente
en el cual se tiene que el error de entrenamiento tiende a cero mientras que el error entre
funciones tiende a crecer a valores muy grandes.
CONCLUSIONES
Se logró demostrar el efecto que tiene el hecho de que los datos sobre los cuales trabajamos
en particular para el ajuste polinomial de curvas este contaminados con ruido, ya que esto
afecta los resultados de forma importante, el ruido que contamino los datos de poly2
causaron que el ajuste obtuviera una muy buena aproximación en el polinomio de orden 4
pero al aumentar el orden la función estimada se modificaba y se alejaba cada vez más de la
función original cosa contraria a lo que ocurría con los resultados de poly1.
Lo cual establece que cuando estamos trabajando con la técnica de ajuste polinomial de
curvas uno de los aspectos más importantes a tener en cuenta es que los datos sobre los que
vamos a trabajar deben estar en lo posible libres de todo ruido para lograr obtener una buena
aproximación a la función que estamos buscando.
De acuerdo a los resultados de los errores obtenidos se mostró que en el caso de poly1 los
errores tienen un comportamiento muy similar y ambos tienden a cero, por el contrario los
errores obtenidos con poly2 se comportan de forma contraria mientras el error de
entrenamiento se acerca a cero el error entre funciones se hace cada vez más grande.
Por tanto, en caso de tener datos contaminados con ruido el error de entrenamiento no es
una buena de saber forma de saber cuándo nos estamos acercando a la función original ya
que a pesar de que las funciones pasen por los puntos conocidos pueden estar alejándose de
la función original como vimos en este documento.
ANEXOS TABLA 1 - POLINOMIOS DE ORDEN n QUE MINIMIZA EL ERROR CUADRADO SOBRE EL CONJUNTO DE DATOS POLY1
*ee1: hace referencia al error de entrenamiento e(n)=sum((xi-poly1(:,2)).^2)*100; *ee2: hace referencia al error cuadrático medio de entrenamiento ecm(n)=sqrt(sum((xi-poly1(:,2)).^2)/n)*100; *ef1: hace referencia al error entre funciones et(n)=sum((y-yn).^2)*100;
∫ ( ) ( )
*ef2: hace referencia al error cuadrático medio entre funciones ecmt(n)=sqrt(sum((y-yn).^2)/length(y))*100;
√
∫ ( ) ( )
n Polinomio Encontrado Error Entrenamiento Error entre funciones ee1 (%)* ee2 (%)* ef3 (%)* ef4 (%)*
1 87,78 24,19 87,7825 28,0534
2 8,19 7,39 8,1936 8,7267
3 2,68 4,23 2,6867 6,2268
4 4,30·10-27
1,69·10-13
4,30·10-27
1,67·10-13
5 2,67·10-27
1,33·10-13
2,67·10-27
1,09·10-13
6 2,18·10
-27 1,20·10
-13 2,18·10
-27 1,02·10
-13
7 3,74·10-27
1,58·10-13
3,74·10-27
2,20·10-13
8 2,09·10-27
3,73·10-13
2,09·10-27
6,80·10-13
9 8,08·10-27
2,32·10-13
8,08·10-27
2,25·10-12
10
8,99·10
-27 2,44·10
-13 8,99·10
-27 9,25·10
-13
11
4,07·10
-27 1,64·10
-13 4,07·10
-27 5,03·10
-12
12
1,06·10-26
2,66·10-13
1,06·10-26
1,21·10-11
13
9,57·10
-27 2,52·10
-13 9,57·10
-27 2,20·10
-11
14
4,15·10
-27 1,66·10
-13 4,15·10
-27 2,66·10
-10
15
1,16·10-26
2,78·10-13
1,16·10-26
2,33·10-10
FIGURA 1 – GRAFICAS DE LAS FUNCIONES OBTENIDAS PARA POLY1 DE GRADO n IMPAR (Verde) Y LA FUNCION ORIGINAL (Rojo)
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Grafica Original y Puntos Conocidos
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 1
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 3
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 5
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 7
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 9
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 11
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 13
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 15
FIGURA 2 – COMPARACION ENTRE LOS ERRORES OBTENIDOS POR LOS DATOS DE POLY1 (derecha) Y LAS FUNCIONES (izquierda)
0 5 10 150
10
20
30
40
50
60Error de Entrenamiento
0 5 10 150
10
20
30
40
50
60Error entre Funciones
TABLA 2 - POLINOMIOS DE ORDEN n QUE MINIMIZA EL ERROR CUADRADO SOBRE EL CONJUNTO DE DATOS POLY2 CON RUIDO σ=0.05
n Polinomio Encontrado ErrorEntrenamiento ErrorFunciones
ee1 ee2 ef3 ef4
1 105,3057 26,496 165,317 28,057
2 14,2187 9,736 15,718 8,651
3 10,5779 8,397 8,377 6,315 4 5,7874 6,211 2,486 3,441
5 5,7614 6,197 1,7872 2,917
6 5,4906 6,050 10,595 7,103
7 5,3280 5,959 36,235 13,135
8 5,2860 5,936 16,233 8,792
9 5,2859 5,936 17,436 9,112
10
4,5224 5,490 998,056 68,939
11
2,8259 4,340 2,456·x
4 342,028
12
2,0765 3,720 1,549·x
5 858,956
13
2,0649 3,710 1,242·x5 769,106
14
8,449·x
-8 0,75·x
-3 6,473·x
7 1,755·x
4
15
3,196·x-8
0,461·x-3
5,703·x7 1,648·x
4
FIGURA 3 – GRAFICAS DE LAS FUNCIONES OBTENIDAS PARA POLY2 DE GRADO n IMPAR (Verde) Y LA FUNCION ORIGINAL (Rojo)
FIGURA 2 – COMPARACION ENTRE LOS ERRORES OBTENIDOS POR LOS DATOS DE POLY2 (derecha) Y LAS FUNCIONES (izquierda)
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Grafica Original y Puntos Conocidos
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 1
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 3
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 5
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 7
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 9
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 11
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 13
0 0.2 0.4 0.6 0.8 1
-1.5
-1
-0.5
Polinomio Grado 15
0 5 10 150
10
20
30
40
50
60Error de Entrenamiento
1 2 3 4 5 6 7 8 9 10 110
20
40
60
80
100
120
140
160
180
200Error entre Funciones