Está en la página 1de 3

"Año del Diálogo y Reconciliación Nacional"

FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS

CURSO:

INTELIGENCIA ARTIFICIAL

TEMA:

REDES NEURONALES

ESTUDIANTE:

BRYAN INFANTE ZAPATA

DOCENTE:

ING. JOSÉ ALBERTO GARAY MENDOZA

2018 - SULLANA
Actividad Nª 4 Solución de casos

Redes neuronales

Una red neuronal es el intento de poder realizar una simulación computacional del comportamiento de partes
del cerebro humano mediante la réplica en pequeña escala de los patrones que este desempeña.

Es un campo muy importante dentro de la Inteligencia Artificial. Inspirándose en el comportamiento conocido


del cerebro humano (principalmente el referido a las neuronas y sus conexiones), trata de crear modelos
artificiales que solucionen problemas difíciles de resolver mediante técnicas algorítmicas convencionales.

OCR: Consiste en un software que trata de convertir la imagen digitalizada de una carta manuscrita en un
archivo de texto plausible de ser utilizado por algún procesador de texto.

De este modo, el documento escaneado puede ser editado con un procesador de textos, ya que no se almacena
como una imagen, el OCR facilita el trabajo que tienen que realizar muchas personas.

Utilización:

 OCR diseñados sobre bases algorítmicas (heurísticos) son los más populares hasta el momento, pero
poseen un grado apreciable de inexactitud cuando el texto presenta " ruido ", es decir cuando el original
contiene manchas ( como las producidas al fotocopiar una página) o símbolos mezclados con el texto ( un
dibujo )

 OCR basado en el reconocimiento de patrones (como las redes neuronales) debería tener la habilidad de
poder sortear alguno o todos estos obstáculos de manera similar a como el cerebro humano distingue
con facilidad el texto de una mancha de fotocopiadora de la letra escrita.

Gately (1996) detalla una serie de aplicaciones que podrían tener las redes neuronales relacionadas a las
ciencias económicas.

Algunas de ellas son:

1. Fraude con tarjetas de crédito. 6. Análisis de la salud financiera de las empresas.

2. Predicción de quiebres bancarios. 7. Selección de prospectos de Venta.

3. Aplicaciones para las tarjetas de crédito. 8. Proyecciones del Cash – flow.

4. Precios de Arbitraje. 9. Predicción de cambios en la tendencia del mercado.

5. Análisis del Mercado de Capitales. 10. Predicciones en los requerimientos de Personal.

Cabe señalar que las redes neuronales se muestran especialmente adaptables apara la investigación científica
de modelos matemáticos de variables no lineales
Cerebro como sistema:

Podemos clasificar al cerebro humano como un sistema, el cual mediante un proceso (pensamiento) logra
convertir las entradas (mayoritariamente sensoriales) en salidas (acción).

Cerebro Humano

El ser humano es un sistema que parte de estímulos sensoriales, los cuales utiliza como entradas ( inputs ) para su
proceso de pensamiento. La palabra percepción
abarca no solo a las incitaciones que el medio
ambiente provoca en los cinco sentidos sino
también a las elucubraciones que la propia mente
del sujeto pueda discernir.

El cerebro está constituido por un vasto conjunto


de células llamadas neuronas, las cuales se
intercomunican entre sí por medio de impulsos
eléctricos, mediante las llamadas conexiones sinápticas. Las neuronas forman, entonces, una red donde cada una
de ellas es un nodo, entrelazada mediante conexiones que transmiten señales eléctricas. Una neurona puede
recibir y transmitir señales eléctricas desde y hacia varias otras neuronas.

Se puede definir que las redes neuronales son un paradigma de aprendizaje y procesamiento automático
inspirado en la forma en que actúa el sistema nervioso de los animales. La unidad básica de procesamiento
de las redes neuronales está inspirada en la célula fundamental del sistema nervioso humano, la neurona.

Las redes neuronales, por tanto, pretenden resolver problemas que otras áreas no son capaces. Esto lo
consiguen gracias a que, el estudio de las neuronas humanas permite crear unidades de procesamiento que
pueden intercambiar datos, sirven para reconocer patrones (tales como imágenes) y tienen capacidad de
aprendizaje.