Redes Neuronales en Hidrologia - Uni

SECCIÓN DE POSGRADO
FACULTAD DE INGENIERÍA CIVIL

MAESTRÍA EN INGENIERÍA HIDRÁULICA
CICLO: 2014 – I
CURSO: HIDROLOGÍA AVANZADA

CÓDIGO: C-702
Profesor: Ing° Walter Obando Licera. Dr.(c)
wobandol@gmail.com
1
SYLLABUS
1.- Hidrología en el Perú
2.- Sistemas de información en Recursos Hídricos
(Redes de recolección de la información hidrológica)
3.- Análisis, Tratamiento, Completación y Extensión
de la Información Hidrometeorológica
4.- Modelos Matemáticos en Hidrología
5.- Modelación Determinística Hidrológica
6.- Modelación Estocástica Hidrológica
7.- Redes Neuronales Artificiales en la Hidrología
8.- SIG en Recursos Hídricos
9.- Temas de interés
2
2
SP-FIC-MIH-2014 - I Clase 16 - HA; 23/Ago/2014
Capítulo 7
Redes Neuronales Artificiales

en la Hidrología
3
3
Redes Neuronales Artificiales en la Hidrología
CONTENIDO
1.- INTRODUCCIÓN
2.- REDES NEURONALES
3.- APLICACIÓN A LOS RECURSOS HÍDRICOS
4.- DISCUSIÓN
4
4
1.- INTRODUCCIÓN
OBJETIVO
Revisar el marco conceptual de las redes

neuronales artificiales (RNA), en el marco de la
inteligencia artificial (IA), y su aplicación a los
recursos hídricos.
5
5
2.- DEFINICIONES SECCIÓN DE POSGRADO
2.1.- Inteligencia artificial MAESTRÍA EN INGENIERÍA HIDRÁULICA
WIKIPEDIA (2012):
En ciencias de la computación, se
denomina inteligencia artificial (IA) a la
capacidad de razonar de un agente no
vivo.
Mc Carthy J., acuñó el término en 1956,

definiéndolo así:
"Es la ciencia e ingeniería de hacer

máquinas inteligentes, especialmente TOPIO, “jugando tenis”
(IREX, 2009)
programas inteligentes”.
6
6
2.2.- Redes Neuronales MAESTRÍA EN INGENIERÍA HIDRÁULICA
WIKIPEDIA (2012):
Las redes de neuronas artificiales
(denominadas habitualmente como
RNA (ANN1) son un paradigma
(ejemplo, modelo) de aprendizaje y
procesamiento automático inspirado
en la forma en que funciona el
sistema nervioso de los animales.
(1): Artificial Neural Networks
7
7
WIKIPEDIA (2012):
Se trata de un sistema de
interconexión de neuronas en una
red que colabora para producir un
estímulo de salida.
En inteligencia artificial es frecuente

referirse a ellas como redes de
neuronas o redes neuronales.
8
8
GESTAL (2008):
Desde la primera mitad del siglo XX, se empezaron a
desarrollar modelos computaciones que han intentado
emular el comportamiento del cerebro humano.
Aunque se han propuesto una gran cantidad de ellos,
todos usan una estructura en red en la cual los nodos o
neuronas son procesos numéricos que involucran
estados de otros nodos según uniones.
Una clase de estos modelos computacionales son las

RNA.
9
9
GESTAL (2008):
Las RNA se han hecho muy populares debido a la

facilidad de su uso (Figura 1) e implementación y la
habilidad para aproximar cualquier función matemática.
Las RNA, con su marcada habilidad para obtener

resultados de datos complicados e imprecisos, pueden
utilizarse para extraer patrones y detectar tramas que son
muy difíciles de apreciar por humanos u otras técnicas
computacionales.
10
10
GESTAL (2008).
11
11
GESTAL (2008):
El primer modelo de neurona artificial fue propuesto por
McCulloch y Pitts (1943), donde se modelizaba una
estructura y un funcionamiento simplificado de las
neuronas del cerebro, considerándolas como dispositivos
con n entradas, una única salida y sólo dos estados
posibles: aciva o inactiva.
Una red era, en ese planteamiento inicial una colección de

neuronas…todas sincronizadas, done las salidas de unas
neuronas estaban conectadas a las entradas de otras.
12
12
GESTAL (2008):
Algunos de los planteamientos de McCulloch y Pitts

se han mantenido desde 1943 sin modificaciones,
otros por el contrario han ido evolucionando, pero
todas las formalizaciones matemáticas que se han
realizado desde entonces, sobra las RNA, aún sin
pretender ser una modelización exacta de las redes
de neuronas biológicas, si han resultado un punto de
partida útil para el estudio de las mismas.
13
13
GESTAL (2008):
Una de las definiciones que se estima más certera de

RNA es la siguiente:
“Las redes neuronales son conjuntos de

elementos de cálculo simples, usualmente
adaptativos, interconectados masivamente en
paralelo y con una organización jerárquica que
le permite interactuar con algún sistema del
mismo modo que lo hace el sistema nervioso
biológico”.
14
14
GESTAL (2008):
Su aprendizaje adaptativo, auto-organización, tolerancia

a fallos, operación en tiempo real y fácil inserción
dentro de la tecnología existente, han hecho que su
utilización se haya extendido en áreas como la
biológica, financiera, industrial, medio ambiental,
militar, salud, etc.
15
15
GESTAL (2008):
Están funcionando en aplicaciones que incluyen

identificación de procesos, detección de fallos en
sistemas de control, modelación de dinámicas no
lineales, control de sistemas no lineales y optimización
de procesos.
16
16
GESTAL (2008):
Cabe destcar…que las RNA, gracias al masivo

paralelismo de su estructura, gozan de una serie de
VENTAJAS:
1.- Aprendizaje adaptativo
Capacidad de aprender a realizar tareas basadas

en un entrenamiento o una experiencia inicial.
17
17
GESTAL (2008):
Ventajas:
2.- Autoorganización
Una red neuronal puede crear su propia

organización o representación de la información
que recibe durante la etapa de aprendizaje.
18
18
GESTAL (2008):
Ventajas:
3.- Tolerancia a fallos
Gracias a poseer la información distribuida o vía

información redundante la destrucción parcial de
una red puede conducir a una degradación de su
estructura; sin embargo, algunas capacidades de
la red se pueden retener, incluso sufriendo daños
considerables.
19
19
GESTAL (2008):
Ventajas:
4.- Capacidad de generalización
Ante la entrada de datos nuevos es capaz de

producir resultados coherentes de acuerdo con la
naturaleza del problema para el cual han sido
entrenadas.
20
20
GESTAL (2008):
Ventajas:
5.- Operación en tiempo real
El cómputo neuronal puede realizarse en

paralelo, bien vía software o mediante máquinas
especiales para obtener esta ventaja (hardware
conexionista o masivamente paralelo).
Pero los sistemas neuronales no están exentos de

ciertos inconvenientes.
21
21
GESTAL (2008):
Inconvenientes:
Uno importante es que habitualmente realizan un

complejo procesamiento que supone millones de
operaciones, por lo que no es posible seguir paso a
paso el razonamiento que les ha llevado a extraer
conclusiones.
22
22
GESTAL (2008):
Inconvenientes:
Sin embargo, en redes pequeñas, mediante simulación

o por el estudio de los pesos sinápticos sí es posible
saber, al menos, qué variables de las introducidas han
sido relevantes para tomar la decisión.
23
23
3.- REDES NEURONALES SECCIÓN DE POSGRADO
Y RECURSOS HÍDRICOS MAESTRÍA EN INGENIERÍA HIDRÁULICA
Ver presentaciones (W. Laqui):
1.- MODELOS DE REDES NEURONALES ARTIFICIALES
2.- APLICACIÓN DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL A LA

MODELIZACIÓN Y PREVISIÓN DE CAUDALES MEDIOS
MENSUALES
3.- ESTIMACIÓN DE LA EVAPOTRANSPIRACIÓN DE REFERENCIA

UTILIZANDO MODELOS DE REDES NEURONALES ARTIFICIALES
24
24
4.- DISCUSIÓN
25
25

Redes Neuronales en Hidrologia - Uni

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Redes Neuronales en Hidrologia - Uni

Diunggah oleh

Hak Cipta:

Format Tersedia

SECCIÓN DE POSGRADO

FACULTAD DE INGENIERÍA CIVIL

CURSO: HIDROLOGÍA AVANZADA

Redes Neuronales Artificiales

Redes Neuronales Artificiales en la Hidrología

2.- REDES NEURONALES

3.- APLICACIÓN A LOS RECURSOS HÍDRICOS

Revisar el marco conceptual de las redes

Mc Carthy J., acuñó el término en 1956,

"Es la ciencia e ingeniería de hacer

(1): Artificial Neural Networks

En inteligencia artificial es frecuente

Una clase de estos modelos computacionales son las

Las RNA se han hecho muy populares debido a la

Las RNA, con su marcada habilidad para obtener

Una red era, en ese planteamiento inicial una colección de

Algunos de los planteamientos de McCulloch y Pitts

Una de las definiciones que se estima más certera de

“Las redes neuronales son conjuntos de

Su aprendizaje adaptativo, auto-organización, tolerancia

Están funcionando en aplicaciones que incluyen

Cabe destcar…que las RNA, gracias al masivo

1.- Aprendizaje adaptativo

Capacidad de aprender a realizar tareas basadas

Una red neuronal puede crear su propia

3.- Tolerancia a fallos

Gracias a poseer la información distribuida o vía

4.- Capacidad de generalización

Ante la entrada de datos nuevos es capaz de

5.- Operación en tiempo real

El cómputo neuronal puede realizarse en

Pero los sistemas neuronales no están exentos de

Uno importante es que habitualmente realizan un

Sin embargo, en redes pequeñas, mediante simulación

Y RECURSOS HÍDRICOS MAESTRÍA EN INGENIERÍA HIDRÁULICA

Ver presentaciones (W. Laqui):

1.- MODELOS DE REDES NEURONALES ARTIFICIALES

2.- APLICACIÓN DE TÉCNICAS DE INTELIGENCIA ARTIFICIAL A LA

3.- ESTIMACIÓN DE LA EVAPOTRANSPIRACIÓN DE REFERENCIA

Anda mungkin juga menyukai