Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INTRODUCCIN
En este captulo hablaremos de las Redes Neuronales Artificiales ya que estas
son aplicadas en diversos mbitos de la vida cotidiana, aqu conoceremos su
concepto, fundamentos biolgicos y su modelo computacional. Tambin en esta
seccin conoceremos las partes de la una neurona artificial y porque es
importante conocer ms de este tema.
OBJETIVO
Conocer ms de las Redes Neuronales Artificiales ya que este es un tema muy
importante para discutir en hora de clases. Y adems este es un tema importante
en nuestra sociedad ya que de esto dependen los avances tecnolgicos.
MARCO TERICO
1. INTRODUCCIN A LAS REDES NEURONALES
ARTIFICIALES
Dentro de la Inteligencia Artificial se pueden distinguir dos grandes reas. Una
se ocupa de la construccin de sistemas con caractersticas que se puedan
definir como inteligentes. A este campo se lo denomina Inteligencia Artificial
Simblica. En este caso, se define el problema a resolver y se disea el sistema
capaz de resolverlo siguiendo esquemas prefijados por la disciplina. Los
Sistemas Expertos siguen este esquema se introducen una serie de reglas
lgicas, que recogen el conocimiento de un experto sobre la materia, y mediante
mecanismos de inferencia parecidos a los que empleamos al razonar, se sacan
conclusiones.
El objetivo de las Redes de Neuronas Artificiales es llegar a disear mquinas
con elementos neuronales de procesamiento paralelo, de modo que el
comportamiento global de esa red emule, de la forma ms fiel posible, los
sistemas neuronales de los animales. Esto hace imprescindible el estudio
profundo de los mecanismos que rigen el comportamiento de los sistemas
neuronales.
1.2.
MODELO COMPUTACIONAL
1.2.3. APRENDIZAJE
El esquema de aprendizaje de una red es lo que determina el tipo de problemas
que ser capaz de resolver. Las Redes de Neuronas Artificiales son sistemas de
aprendizaje basados en ejemplos. Desde el punto de vista de los ejemplos, el
conjunto de aprendizaje debe poseer las siguientes caractersticas:
Ser significativo: Debe haber un nmero suficiente de ejemplos. Si el
conjunto de aprendizaje es reducido, la red no ser capaz de adaptar sus
pesos de forma eficaz.
Ser representativo: Los componentes del conjunto de aprendizaje debern
ser diversos.
Dependiendo del esquema de aprendizaje y del programa a resolver, se pueden
distinguir tres tipos de esquemas de aprendizaje:
Aprendizaje supervisado: Para este tipo de aprendizaje se dice que hay un
profesor externo encargado de determinar si la red se est comportando
de forma adecuada, mediante la comparacin entre salida producida y la
Robusta: Por su carcter distributivo, una red maneja muy bien daos
a su estructura (ruido).
Complejidad: Puede capturar comportamiento complejo que no es
posible con mtodos tradicionales.
No paramtrico: No hace suposiciones a priori. (Villasana. 2000)
CONCLUSIN
Despus de haber conocido ms de este tema he concluido que las Redes
Neuronales Artificiales es una herramienta diseada para emular la forma en que
el cerebro humano funciona, ya que es de mucha importancia alrededor de
nuestra vida cotidiana y es de esto que parte algunas aplicaciones que se dan
en la tecnologa.
BIBLIOGRAFA
Galvn. I. and Isasi. P. 2004. Redes de Neuronas Artificiales. Formato:
PDF.