Está en la página 1de 7

RED NEURONAL BIOLOGICA meter graficas o dibujos

QUE ES?
Las redes neuronales biolgicas son sistemas ideados como abstracciones de las estructuras
neurobiolgicas (cerebros) encontradas en la naturaleza y tienen la caracterstica de ser sistemas
desordenados capaces de guardar informacin. La forma en que desarrollan su trabajo es
esencialmente distinta de la utilizada por las computadoras convencionales. Los procesadores
microscpicos del cerebro (neuronas) operan en paralelo y presentan cualitativamente ms ruido
que los elementos que forman a las computadoras. No ejecutan un programa fijo con base en un
conjunto previamente especificado de datos, sino que comunican seales a travs de
retransmisores que llamamos sinapsis, que llegan a centros de conjuncin llamados los cuerpos de
las neuronas y desde los cuales surgen seales elctricas a travs de canales conocidos con el
nombre de axones.
La importancia de cada sinapsis en el proceso de retransmisin se actualiza continuamente y lo
mismo ocurre con algunas propiedades intrnsecas de las neuronas, proporcionando un sistema de
autoprogramacin y adaptacin que sustituye a la programacin externa de los sistemas de
cmputo comunes. Existe as una dinmica de las sinapsis y de las neuronas en el cual los
programas y los datos cambian todo el tiempo.
VENTAJAS
a. Pueden adaptarse a circunstancias cambiantes, reconocer objetos deformados, borrosos,
o parcialmente visibles.
b. Una neurona tpica recibe del orden de 6 000 a 10 000 seales provenientes de otras
neuronas y trasmitidas a travs de las sinapsis.
c. Realizar infinitas funciones, incluso desconocidas para nosotros.
d. capacidad de hacer muchas cosas a la vez.
e. Gran superfluo de neuronas hay aproximadamente 10 mil millones de neuronas
DESVENTAJAS
a. Los cerebros no tienen una arquitectura o mapa de conexiones especfico, por ejemplo,
presentan estructuras relativamente ordenadas en centros receptores de informacin,
pero estructuras amorfas, prcticamente aleatorias, en las regiones procesadoras de alto
nivel como el neocrtex.
b. Dedican grandes cantidades de neuronas a una actividad determinada.
c. Las actividades que realizan son muy diferentes y complejas.
d. El funcionamiento exacto del cerebro humano es todava un misterio.





RED NEURONAL ARTIFICIAL meter graficas o dibujos
QUE ES?
Son modelos electrnicos relativamente rudimentarios basados en la estructura neuronal del
cerebro. El cerebro bsicamente aprende de la experiencia. Es una prueba natural de que algunos
problemas estn ms all del alcance de las computadoras actuales.
La red neuronal artificial se puede decir que son mtodos inspirados en la biologa; se cree que va
a ser el prximo gran avance en la industria de la computacin. Las Computadoras hacen las cosas
rutinarias bien, como el mantenimiento de los libros mayores o realizar clculos matemticos
complejos. Pero los equipos tienen problemas para reconocer patrones ms simples y mucho
menos generalizar los patrones del pasado en acciones del futuro.
Ahora, los avances en la investigacin biolgica prometen una comprensin inicial del mecanismo
de pensamiento natural. Esta investigacin muestra que los cerebros almacenan informacin
como patrones. Algunos de estos patrones son muy complicados y nos permiten la capacidad de
reconocer rostros individuales desde muchos ngulos diferentes. Este proceso de almacenar
informacin como patrones, utilizando esos patrones, y luego la solucin de problemas abarca un
nuevo campo de la informtica. Este campo no utiliza la programacin tradicional, sino que implica
la creacin de redes masivamente paralelas y la formacin de esas redes para resolver problemas
especficos. Este campo tambin utiliza palabras muy diferentes de la computacin tradicional,
palabras como: se comportan, reaccionan, auto-organizarse, aprender, generalizar y olvidar.

VENTAJAS
a. Exigencia de formacin estadstica menos formal.
b. Capacidad de detectar implcitamente relaciones no lineales complejas entre variables
dependientes e independientes.
c. Capacidad de detectar todas las posibles interacciones entre variables y la disponibilidad
de mltiples algoritmos de entrenamiento.

DESVENTAJAS
a. Los cerebros de animales simples son capaces de realizar funciones que actualmente son
imposibles para las computadoras.
b. Naturaleza de "recuadro negro", que es una mayor carga computacional, la propensin a
sobreajuste, y la natural emprica del modelo de desarrollo.




ORIGEN RED NEURONAL ARTIFICIAL meter graficas o dibujos
1943 McCulloch y Pitts presentan la neurona formal.
1949 D. Hebb publica su regla de aprendizaje para neuronas.
1951 Minsky plantea su mquina neuronal.
1956 Rochester, Holland, entre otros, realizan pruebas sobre ensambles de clulas y su accin en
el cerebro.
1958 Von Neumann propone un modelo para el cerebro.
1958 Rosenblatt propone el perceptrn.
1960 Widrow y Hopf presentan el Adaline y el aprendizaje por ajuste de mnimos cuadrados. Lo
aplican a la eliminacin del eco en llamadas telefnicas y constituye la primera aplicacin prctica
de las redes neuronales.
1969 Minsky y Papert analizan el preceptrn y encuentran que tiene limitaciones lgicas
importantes.
1982-1985 J. Hopfield presenta la red de aprendizaje mediante la regla de Hebb. Utiliza tcnicas de
la Fsica Estadstica para demostrar que tiene propiedades de memoria asociativa. Gran impacto
en el mundo de los fsicos.
1984 Ackley, Hinton y Sejnoski desarrollan la mquina de Boltzmann. Una red neuronal
1985 Se establece el sistema de propagacin hacia atrs, que haba aparecido para ser olvidado en
diversas ocasiones.
1986 Surge el mapeo de Kohonen.
2000 El paralelismo, las redes neuronales y la inteligencia articial en general, convergen en una
teora del aprendizaje de desarrollo acelerado con aplicaciones muy diversas.
















USOS VIDA PRCTICA RED NEURONAL ARTIFICIAL meter graficas o dibujos cada ejemplo
Anlisis y Procesado de seales: una aplicacin tpica es la clasificacin de objetivos detectados
por un sonar.
Reconocimiento de Imgenes: La conversin texto-voz consiste en cambiar los smbolos grficos
de un texto en lenguaje hablado.
Control de Procesos: un problema difcil en el control de un complejo sistema de servomecanismo
es encontrar un mtodo de clculo computacional aceptable para compensar las variaciones
fsicas que se producen en el sistema.
Filtrado de ruido: pueden ser utilizadas para eliminar el ruido de una seal. Estas redes son
capaces de mantener en un alto grado las estructuras y valores de los filtros tradicionales.
Robtica: Existen diferentes redes neuronales que han sido entrenadas para reproducir o predecir
el error que se produce en la posicin final de un robot. Este error se combina con la posicin
deseada para proveer una posicin adaptativa de correccin y mejorar la exactitud de la posicin
final.
Procesado del Lenguaje: incluye el estudio de cmo se construyen las reglas del lenguaje. Los
cientficos del conocimiento Rumelhart y McClelland han integrado una red neuronal de proceso
natural del lenguaje. El sistema realizado ha aprendido el tiempo verbal pass tense de los verbos
en Ingls.
Diagnsticos mdicos Otros: Los modelos de prediccin de mortalidad hospitalaria se emplean de
forma habitual en los enfermos que ingresan en la Unidad de Cuidados Intensivos (UCI). Estos
modelos se utilizan para evaluar los resultados de cada UCI y son necesarios, entre otras
finalidades, para estratificar correctamente los enfermos a la hora de participar en ensayos
clnicos controlados.















CONCLUSIONES meter graficas o dibujos
Despus de haber realizado el trabajo a conciencia y satisfaccin podemos concluir que el
desarrollo de las computadoras modernas se debe en gran parte a la bsqueda de la
imitacin de la naturaleza pero todava estamos cortos ya que la evolucin no ha
cambiado mucho desde la arquitectura de von Neumann. Las redes neuronales artificiales
se han diseado desde el principio para que funcionen de manera paralela, cmo
funcionan las redes biolgicas aunque estas lo hacen de manera tridimensional. Los seres
humanos podemos escuchar msica a la vez que hacemos otra tarea, eso es lo que
hemos logrado con los procesadores de mltiples ncleos.























RECOMENDACIONES
Este informe tiene oportunidad de mejora respecto a incluir, conceptos que se nos hayan
pasado por alto.


























Gracias por su tiempo!

Atentamente,

GUSTAVO ADOLFO CARVAJAL MURILLO
CODIGO. 083250602006
E-mail guspit@msn.com

JORGE MARIO CARVAJAL MURILLO
CODIGO. 083201202006
E-mail next_0123@hotmail.com