REDES NEURONALES

Description

El siguiente material describe breve mente lo que es las redes neuronales y sus caracteristicas
MARTHA ISABEL GOMEZ BOJACA
Note by MARTHA ISABEL GOMEZ BOJACA, updated more than 1 year ago More Less
Cinthya Lopez
Created by Cinthya Lopez almost 8 years ago
MARTHA ISABEL GOMEZ BOJACA
Copied by MARTHA ISABEL GOMEZ BOJACA over 6 years ago
0
0

Resource summary

Page 1

Las Redes Neuronales Artificiales están inspiradas en la biología, esto significa que están formadas por elementos que se comportan de manera análoga a las neuronas (en las funciones más elementales) y están organizadas de una forma similar a la del cerebro, pero las analogías no son muchas más.

DEFINICIONES

Una nueva forma de computación, inspirada en modelos biológicos. Un modelo matemático compuesto por un gran número de elementos procesales organizados en niveles. Redes interconectadas masivamente en paralelo de elementos simples (usualmente adaptativos) y con organización jerárquica, las cuales intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema nervioso biológico

Page 2

VENTAJAS

Aprendizaje Adaptativo. Capacidad de aprender a realizar tareas basadas en un entrenamiento o en una experiencia inicial. Auto-organización. Una red neuronal puede crear su propia organización o representación de la información que recibe mediante una etapa de aprendizaje. Tolerancia a fallos. La destrucción parcial de una red conduce a una degradación de su estructura; sin embargo, algunas capacidades de la red se pueden retener, incluso sufriendo un gran daño. Operación en tiempo real. Los cómputos neuronales pueden ser realizados en paralelo; para esto se diseñan y fabrican máquinas con hardware especial para obtener esta capacidad. Fácil inserción dentro de la tecnología existente. Se pueden obtener chips especializados para redes neuronales que mejoran su capacidad en ciertas tareas. Ello facilitará la integración modular en los sistemas existentes.

Page 3

CARACTERÍSTICAS

Aprenden de la experiencia: pueden modificar su comportamiento como respuesta a su entorno. Dado un conjunto de entradas (quizá con las salidas deseadas), se ajustan para producir respuestas consistentes. Generalizan de ejemplos anteriores a los ejemplos nuevos: Una vez que esté entrenada, la respuesta de la red puede ser, hasta un cierto punto, insensible a pequeñas variaciones en las entradas, lo que las hace idóneas para el reconocimiento de patrones. Abstracción de la esencia de las entradas: Algunas Redes neuronales son capaces de abstraer información de un conjunto de entradas. Una vez que la red sea correctamente entrenada será capaz de producir un resultado correcto ante una entrada distorsionada, lo que significa que ha sido capaz de aprender algo que nunca había visto.

Page 4

En la tabla podemos observar la comparativa entre las dos redes.

Page 5

CLASIFICACIÓN

Según su arquitectura: La arquitectura de una red consiste en la disposición y conexionado de las neuronas. Podemos distinguir en una red, el número de capas, el tipo de las capas, que pueden ser ocultas o visibles, de entrada o de salida y la direccionalidad de las conexiones de las neuronas.

Según el aprendizaje: El aprendizaje se basa en el entrenamiento de la red con patrones. El proceso de aprendizaje se basa en que la red ejecute los patrones de forma iterativa hasta que se muestren respuestas satisfactorias. Es decir, los pesos sinápticos se ajustan para dar respuestas óptimas para el conjunto de patrones de entrenamiento.

Page 6

APLICACIONES DE LAS REDES NEURONALES

La computación neuronal provee un acercamiento mayor al reconocimiento y percepción humana que los métodos tradicionales de cálculo. Las redes neuronales artificiales presentan resultados razonables en aplicaciones donde las entradas presentan ruido o las entradas están incompletas. Algunas de las áreas de aplicación de las ANN son las siguientes: Análisis y Procesado de señales Reconocimiento de Imágenes Control de Procesos Filtrado de ruido Robótica Procesado del Lenguaje Diagnósticos médicos Entre otros

Page 7

BIBLIOGRAFÍA

Almeida, R. C. (s.f.). Inteligencia Artificial. México. Recuperado el 09 de Diciembre de 2016, de http://www2.ulpgc.es/hege/almacen/download/38/38584/practica_ia_2.pdf Asensio, H. G., & Bowen, A. M. (s.f.). Inteligencia artificial Redes neuronales y. Madrid, España. Recuperado el 09 de Diciembre de 2016, de http://www.it.uc3m.es/jvillena/irc/practicas/10-11/06mem.pdf DamiánMatich, J. (Marzo de 2001). Redes Neuronales: Conceptos Básicos y Aplicaciones. Recuperado el 2016 de Diciembre de 2016, de https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monograias/matich-redes...

Show full summary Hide full summary

Similar

Principios de Psicología
anrago63
Psicología Sistémica
Ricardo Alonso Varela Omodeo
PSICOLOGÍA DEL DISEÑO
Brisia Montes Mendez
Psicología Sistémica
Diego Santos
Historia de la psicología
Christian Camilo CORTES AGUILAR
Trastrono de Estrés Postraumático
Beatriz de Carmen Rosales López
Psicología del color
malumabl
roles y perfiles del psicologo
yuleidys henriquez martinez
Elementos de la Inteligencia Emocional
Fernando Durán Z.
MAPA CONCEPTUAL - Enfoques de Investigación
Gabriel Iván Parra Rosero
Psicología Deportiva
luigi goterelli