Redes Neuronales Artificiales

Redes Neuronales Artificiales

1. ¿Que son?

   • “Capacidad que tienen las máquinas para realizar tareas que en el momento son realizadas por seres humanos”. Rich y Knight [1994] y Stuart [1996]
   • “Campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en fusión de procesos computacionales basados en la experiencia y el conocimiento continuo del ambiente”. Nebendah [1988] y Delgado [1998].
   • “Rama de la ciencia de la computación que estudia resolución de problemas no algorítmicos mediante el uso de cualquier técnica de computación disponible, sin tener en cuenta la forma de razonamiento subyacente a los métodos que se apliquen para lograr esa resolución” Farid Fleifel Tapia.
   • estructura compuesta de un número de unidades interconectadas (neuronas artificiales), cada unidad posee una característica entrada/salida e implementa una computación local o función. La salida de cualquier unidad está determinada a su interconexión con otras unidades, y posiblemente de sus unidades internas.

2. ventajas de las redes neuronales

   • flexibidad
   • auto organizacion
   • tiempo real
   • tolerancia a fallos
   • aprendizaje

3. desventajas de las redes neuronales

   • Complejidad de aprendizaje
   • Tiempo de aprendizaje elevado
   • No permite interpretar lo que se ha aprendido
   • Elevada cantidad de datos para el entrenamiento

4. clasificacion de redes neuronales

   • Red neuronal Monocapa – Perceptrón simple
   • Red neuronal Multicapa – Perceptrón multicapa
   • Red neuronal Convolucional (CNN)
   • Red neuronal recurrente (RNN)
   • Redes de base radial (RBF)

5. Clasificación de redes según el método de aprendizaje

   • aprendizaje supervisado
   • aprrendizaje por correcion de error
   • Aprendizaje estocástico
   • Aprendizaje no supervisado o auto supervisado
   • Aprendizaje hebbiano
   • Aprendizaje competitivo y comparativo
   • Aprendizaje por refuerzo

Imágenes y archivos del mapa