TEMA
PRESENTADO POR
DOCENTE
PIURA – PERÚ.
2019
INTRODUCCIÓN
Las Redes Neuronales son un campo muy importante dentro de la Inteligencia Artificial.
referido a las neuronas y sus conexiones), trata de crear modelos artificiales que
convencionales.
Con las Redes Neuronales se busca la solución de problemas complejos, no como una
en el cerebro humano, y dotados por tanto de cierta "inteligencia", los cuales no son sino
una persona ordinaria, pero en una forma más rápida y confiable. Tal y como sucede
procesos que tienen lugar en la naturaleza. Y aunque estos usos del computador son
impresionantes, en sí lo que este está realizando son operaciones sencillas, sólo que en
puntualizado, la mayoría de nosotros estamos bastante felices con máquinas que nos
permiten hacer cosas físicas en forma más fácil y rápida, tales como excavaron hueco,
lavar la ropa o volar. Sin embargo, la idea de un máquina queda "ensat" por nosotros es
una tarea ambiciosa que implica serios cuestionamientos éticos y filosóficos. En ese
ciertas tareas de la menta humana, tales como jugar ajedrez, interpretar frases habladas
en palabras y símbolos, y las aproximaciones numéricas tales como las redes neurona
les artificiales, los algoritmos genéticos y la lógica difusa. En general, los sistemas
basados en el conocimiento, la inteligencia computacional ("Software Computing”) y
las hidrociencias, sí recientemente una gran cantidad de aplicaciones fortalecen cada día
hidroinformática.
RED NEURONAL ARTIFICIAL.
presináptica j y la postsináptica i.
activación.
Las señales de entrada y salida pueden ser señales binarias (0,1 – neuronas de
borrosas, etc.
La regla de propagación suele ser una suma ponderada del producto escalar del
Mahalanobis, etc.
sino sólo el potencial hi(t). Suele ser una función determinista y, casi siempre,
continua y monótona creciente. Las más comunes son la función signo (+1 si
Una red neuronal artificial (RNA) se puede definir (Hecht – Nielssen 93) como un grafo
instantáneos
7. Las entradas a la RNA llegan del mundo exterior, mientras que sus salidas son
Dentro de una capa, las neuronas suelen ser del mismo tipo. Se pueden distinguir tres
tipos de capas:
interno de la red).
Generalmente las conexiones se realizan entre neuronas de distintas capas, pero puede
arquitectura) con el propósito de que la red pueda llevar a cabo de forma efectiva una
tarea determinada.
pesos.
deseada.
aleatorios.
Competitivo: sólo aprenden las neuronas que se acercan más a la salida deseada.
Los algoritmos, y en general el proceso de aprendizaje, son complejos y suelen llevar
Fue Ramón y Cajal (1888) quién descubrió la estructura celular (neurona) del sistema
Una neurona consta de un cuerpo celular (soma) de entre 10 y 80 mm, del que surge un
denso árbol de ramificaciones (dendritas) y una fibra tubular (axón) de entre 100 mm
y un metro.
Procesador: soma.
Una neurona cerebral puede recibir unas 10.000 entradas y enviar a su vez su salida a
La conexión entre neuronas se llama sinapsis. No es una conexión física, si no que hay
No todas las neuronas son iguales, existen muchos tipos diferentes según el número de
ramificaciones de sus dendritas, la longitud del axón y otros detalles estructurales. Sin
embargo, como hemos visto, todas ellas operan con los mismos principios básicos.
APLICACIONES CON RNA
implementan mediante hardware (redes neuronales en chips VLSI), presentan una alta
Hay muchos tipos diferentes de redes neuronales; cada uno de los cuales tiene una
Biología:
Empresa:
automatización y control.
Medio ambiente:
Finanzas:
3. Identificación de falsificaciones.
4. Interpretación de firmas.
Manufacturación:
3. Inspección de la calidad.
Medicina:
3. Monitorización en cirugías.
Militar:
como ser: buscar un patrón en una serie de ejemplos, clasificar patrones, completar una
distorsionado. Sin embargo, está creciendo el uso de redes neuronales en distintos tipos
de sistemas de control.
Desde el punto de vista de los casos de aplicación, la ventaja de las redes neuronales
generalización, y optimización.