REDES NEURONALES

UNIDAD 1

PRESENTADO POR:

EDWARS SMISTH DIAZ MAYORQUIN

JUAN DAVID MENDOZA CUELLAR
JUAN JOSE MORALES CARRILLO
DANIEL RICARDO PEREZ ARIZA

INGENIERIA DE SISTEMAS

INSTITUTO DE EDUCACIÓN A DISTANCIA

UNIVERSIDAD DEL TOLIMA

2019
 MATERIA
REDES NEURONALES

UNIDAD 1: INTRODUCCION A LA COMPUTACION NEURONAL.

PRESENTADO A:
JOSE ALDEMAR MUÑOZ HERNANDEZ

PRESENTADO POR:
EDWARS SMISTH DIAZ MAYORQUIN
JUAN DAVID MENDOZA CUELLAR
JUAN JOSE MORALES CARRILLO
DANIEL RICARDO PEREZ ARIZA

INGENIERIA DE SISTEMAS
INSTITUTO DE EDUCACIÓN A DISTANCIA
UNIVERSIDAD DEL TOLIMA
2019
 TABLA DE CONTENIDO
INTRODUCCION........................................................................................................................ 4

OBJETIVOS ............................................................................................................................... 5

Objetivo General .................................................................................................................. 5

Objetivos Específicos ............................................................................................................ 5

PREGUNTA PROBLEMATIZADORA. ............................................................................................ 6

HISTORIA DE LAS REDES NEURONALES : ........................................................................................ 7

Como surgueron la redes neuronales:....................................................................................... 7

Evolucion de la redes neuronales: ............................................................................................. 7

Implementacion de la redes neuronales: .................................................................................. 8

Definición de una red neuronal Artificial: ............................................................................ 9

Caracteristicas de una red neuronal Artificial: ....................................................................... 9

Funcionamiento de una red neuronal ................................................................................. 11

VENTAJAS DE UNA RED NEURONAL ARTIFICIAL: ............................................................... 10

Desventaja de una Red Neuronal Articial: ........................................................................... 11

REDES NEURONALES Y COMPUTADORAS DIGITALES:……….……………………………..…………..11

Elementos basicos de una red neuronal…………………………………………....................................12

LA COMPUTADORA Y EL CEREBRO:……………………………………………………........................................13

APLICACIÓN DE LAS REDES NEURONALES ARTIFICIALES…………………………………………..……………..13

CONCLUSIONES .................................................................................................................... 144

BIBLIOGRAFICA .................................................................................................................... 155

 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

INTRODUCCION

Las redes neuronales han explotado en los últimos años ya que se pueden
aplicar en distintos ámbitos de la ciencia y los negocios como: el financiero y la
bolsa de valores, estas comparten la misma idea de la redes neuronales del
cuerpo humano donde se busca poner en práctica el aprendizaje de
conocimiento a través de las experiencias y así mismo tomar las decisiones
pertinentes, lo que se busca con las redes neuronales es mejorar la capacidad
de procesamiento de operaciones aritméticas donde el ser humano no es muy
bueno pero las computadoras tradicionales si lo son, y mejorar la toma de
decisiones en base a experiencias y conocimientos donde el ser humano emplea
a diario para pensar y tomar decisiones, donde las computadoras carecen de
esta habilidad, por eso motivo se construyen las redes neuronales se busca
implementar una red artificial que permita tomar decisiones con el procesamiento
de datos de las computadoras y el aprendizaje previo como si fuera un humano,
de esta manera interconectar estas habilidades para lograr mejorar en gran
medida la toma de decisiones y la investigación científica.
De este modo nos damos cuenta o nos percatamos, que la redes neuronales
como principio fundamental de la inteligencia artificial nos puede llevar a
diferentes ámbitos de la ciencia que antes no fueron posibles, donde esta rama
de la tecnología puede adelantar significativamente la investigación, la
planeación y la toma de decisiones, aunque es claro decir que todavía falta
construir un modelo más avanzado ya que actualmente es algo complicado de
implementar y llevar a cabo a modo de ejemplo las neuronas artificiales no son
programables aprenden a través de los datos que se le suministren, lo que
significa que se le tienen que suministrar gran cantidad de datos para que la red
neuronal pueda utilizar esos datos y de esta manera dar una respuesta adecuada
a las diferentes problemas y preguntas para la cual fue construida.
Por otro lado la implementación de una red neuronal es algo difícil de entender
ya que se deben tener conocimientos arduos en matemáticas y modelos
aritméticos avanzados, que permiten la estructuración adecuada de la red
neuronal, muchas veces se agregan nuevos inputs a la red pero la respuesta o
la salida no es la esperada por las personas, por lo cual se debe tener muy claro
el patrón y la arquitectura que se va a utilizar para que estas puedan satisfacer
las necesidades para la cual está siendo desarrollada.
Por último es claro decir que la implementación de una red neuronal artificial en
cualquier ámbito sea científico y financiero si se construye de manera correcta,
puede llegar a satisfacer las necesidades por las cuales fueron construidas ya
que estas emplean la solución aritmética de las computadoras y los principios
fundamentales del hombre como es el pensar, en definitiva la inteligencia artificial
puede llegar a cambiar muchos aspectos de la vida del hombre y puede mejorar
la toma de decisiones de una manera mucho más rápida y acertada que nosotros

pág. 4
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

OBJETIVOS

Objetivo General

Comprender que son y cómo funcionan las redes neuronales y como esta es
aplicada en los diferentes ámbitos de la ciencia, la economía y demás áreas de
la sociedad.

Objetivos Específicos

 Aprender sobre las redes neuronales biológicas y artificiales.

 Comprender la importancia de las redes neuronales artificiales y la

inteligencia artificial.

 Determinar cómo funcionas las redes neuronales y sus diferentes capas

de aplicación.

 Comparar las redes neuronales biológicas y las redes neuronales

artificiales.

 Relacionar las similitudes entre la inteligencia artificial y la inteligencia

humano.

 Analizar en qué campos se puede emplear las redes neuronales y si estas

pueden llegar a solucionar dicha problemática.

pág. 5
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

Pregunta Problematizadora

¿Qué tipo de problemas requieren el desarrollo e implementación de una

solución computacional, basada en redes neuronales artificiales?

 De acuerdo a lo leído en los diferentes documentos y sitios web podemos

decir que las redes neuronales artificiales pueden ser aplicadas en
muchos ámbitos como son la ciencia, la economía, la bolsa de valores, en
la salud, la educación, etc. Esta tecnología puede ser aprovechada de
acuerdo a los datos que se me suministre anteriormente donde a través
de estos datos pueda tomar decisiones rápidas y pertinentes que den una
solución acertada.
 En este caso las redes neuronales pueden ser aplicadas en el ámbito
empresarial como decía en el documento una buena implementación de
una red neuronal que se le suministren los datos de x empresa podrá dar
a conocer como esta se va desenvolver en el futuro o si esta está
destinada a la quiebra a través del tiempo, o en la economía se presenta
una gran eficiencia como puede ser la predicción en la bolsa de valores
como son las caídas de monedas o materias primas, lo que va a favorecer
a comprar estos ciertos productos cuando más sea convenientes para
nosotros.
 Por otro lado se tiene que tener en cuenta que las redes neuronales
pueden tener fallos debido a ciertos motivos como la inserción de datos
no sea correcta, o la modificación equivocada de los datos, lo que puede
provocar que la red neuronal no pueda dar una respuesta adecuada, esto
puede deberse a la gran cantidad de neuronas por capas que al no estar
conectadas e interrelacionadas de la mejor manera puede generar una
salida de los datos corrupta o poco clara.

pág. 6
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

Historia De Las Redes Neuronales

Las redes neuronales comenzaron a surgir en siglo pasado donde se busca crear
maquinas con la capacidad de tomar decisiones de acuerdo a conocimientos
previamente adquiridos o insertados, se busca crear una red neuronal que fuera
identifica a las neuronas bilógicas, donde estas redes artificiales pudieran tomar
la misma esencia y producir mejores resultados que nosotros tomamos.
Por eso a lo largo de la historia reciente esta rama de la tecnología está siendo
trabajada y desarrollada, con el paso del tiempo esta ha evolucionado
constantemente para responder a las necesidades para cual fue construida, en
este momento vamos a ver cómo ha ido evolucionado:
 1936 Alan turing: Fue el primero en estudiar el cerebro como una forma
de ver el mundo de la computación.
 1943 Walter pitts y Warren MC modelaron una red neuronal simple
mediante circuito electrónicos.
 1949 Donald hebb escribió un libro donde decía que el aprendizaje
ocurría cuando ciertos cambios en la neurona eran activados, sus trabajos
forman parte de la teoría de redes neuronales.
 1956 nacimiento de la inteligencia artificial.
 1957 Frank Rosenblatt comenzó el desarrollo del perceptron, la red
neuronal más antigua, se utiliza en la identificación de patrones.
 1959 Frank rose habla de los principio de la neurodinamica, el aprendizaje
de un perceptron convergía un estado finito.
 1960 se desarrolla el modelo adaline esta fue la primera red neuronal
aplicada a un problema real.
 1974 Paul Werbos. Desarrolló la idea básica del algoritmo de aprendizaje
de propagación hacia atrás (backpropagation).
 1977 Stephan grossberg teoría de resonancia adaptada simula otras
habilidades del cerebro.
 1986 redescubrimiento del algoritmo backpropagation, una de las
arquitecturas más importantes para el desarrollo de las neuronas
artificiales.
 1980 aprendizaje automático: neuronas sigmoides similares a un
perceptron pero permite que las entradas en vez de ser o y 1, puedan
tener valores reales como el 0,5.
 Redes Feedforward: se alimenta de valores hacia adelante.
 1986 backpropagation entrenar redes neuronales de múltiples capas de
maneras supervisarle.
 1989 convolutional neural network arquitectura útil en el procesamiento
de imágenes, constaba de varias capas que permitían clasificar esta
información de forma adecuada.

pág. 7
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

 1997 Long short permite correcciones hacia atrás entre las capas, es
confiable para procesar datos históricos.
 2006 Deep learning permitía incorporar decenas o cientos de capas, pero
estas neuronas eran muy difíciles de entrenar.
 2014 generative adversarial networks: puede aprender a crear muestras,
de manera similar a los datos con los que los alimentamos, tiene dos
modelos de redes neuronales compitiendo.

En fin la redes neuronales han venido evolucionando de acuerdo al tiempo, en

estos últimos años ha tomado mucha fuerza ya que la inteligencia artificial por
obvia razones utiliza redes neuronales, lo cual hace indispensable su desarrollo
e implementación.

pág. 8
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

Definición de una red neuronal Artificial

Las redes neuronales tienen varios conceptos que se amoldan cada uno de estos
de acuerdo a su forma de ver este campo y como se emplean en el ámbito
tecnológico y científico, podemos encontrar:
 Nueva forma de computación inspirada en modelos biológicos, esta
definición es muy simple y fácil de entender y nos muestra que las redes
neuronales artificiales buscan imitar a las redes neuronales biológicas.
 Un modelo matemático compuesto por un gran número de elementos
procesales organizado en niveles, definición que habla más de lo
estructural y nos muestra que lo modelos matemáticos son
importantísimos para crear redes neuronales.
 Un sistema de computación compuesto por un gran número de elementos
simples, elementos de procesos muy interconectados, los cuales
procesan información por medio de su estado dinámico como respuesta
a entradas externas. Esta es una definición más adecuada a lo que son
las redes neuronales.

Concepto con nuestras palabras de las redes neuronales artificiales:

 Las redes neuronales artificiales buscan ejemplificar las neuronas

biológicas, donde estas redes puedan tomar decisiones a través de
experiencias implantadas anteriormente, donde pueda dar soluciones
concretas y exactas a problemas específicos.

Concepto más claro y concreto sobre las redes neuronales:

 Son un modelo computacional vagamente inspirado en el comportamiento

observado en su homólogo biológico1. Consiste en un conjunto de
unidades, llamadas neuronas artificiales, conectadas entre sí para
transmitirse señales. La información de entrada atraviesa la red neuronal
(donde se somete a diversas operaciones) produciendo unos valores de
salida.

Características de las Redes Neuronales:

 Unidades de procesamiento que intercambian datos.
 Se utiliza para reconocer patrones, imágenes, sonidos, etc.
 Tienen la capacidad de aprender y mejorar su funcionamiento.
 Pueden adaptarse a las necesidades para la cual fue construida.
 Permite agregar nueva información constantemente.

pág. 9
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

 Tolera fallos si falla una parte de la red la otra puede responder de

acuerdo a sus capacidades.

Funcionamiento de una red Neuronal:

El funcionamiento de una red neuronal es muy complejo de entender ya que se
deben tener en cuenta diferentes modelos matemáticos para su construcción,
además se debe escoger una arquitectura que responda a las necesidades para
cual fue construida.
En base a los conocimientos aprendidos con las lecturas: podemos decir que las
redes neuronales se componen de entradas que se le suministran del mundo
exterior, se compone de una capa oculta donde se relacionan las neuronas de
forma dinámica y se procesa la información, por ultimo de salida que tratan de
dar respuesta a las peticiones que se pidieron de acuerdo a la información que
anteriormente se suministró.

Ventajas de una red neuronal

Las redes neuronales poseen ciertas ventajas que hacen que se diferencien en
muchos aspectos, en este momento hablaremos de las características más
importantes que tienen las redes neuronales:
 La capacidad de aprendizaje adaptativo es una de las características más
atractivas de redes neuronales tienen capacidad de aprender a realizar
tareas basadas en un entrenamiento inicial (Aprendizaje adaptativo). De
esta forma, la máquina puede aprender a llevar a cabo ciertas tareas
mediante el entrenamiento con ejemplos ilustrativos, por lo que no es
necesario elaborar modelos a priori.
 Las redes neuronales permiten organizar por sí mismas lo aprendido.
Mientras que el aprendizaje es la modificación de cada elemento procesal,
la autoorganización consiste en la modificación de la red neuronal
completa para llevar a cabo un objetivo específico.
 Además las redes neuronales tienen la capacidad de ser tolerantes a
fallos. Fueron los primeros métodos computacionales con esta capacidad
inherente. De este modo, si se produce un fallo en un número no muy
grande de neuronas, aunque el comportamiento del sistema se ve
influenciado, no sufre una caída repentina.
 Una de las prioridades principales de las redes neuronales es que son
capaces de operar en tiempo real. Las redes neuronales trabajan
mediante conexiones en paralelo, lo que permite grandes velocidades de
transmisión y respuesta casi al instante.

pág. 10
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

 Por último, hay que destacar como ventaja la facilidad de inserción en la

tecnología existente. De manera que, por ejemplo, resulta muy sencillo
conseguir chips especializados que mejoren su capacidad.
Podemos hablar además de otras características de las redes neuronales como
que son: sistemas autoadaptativos, que la información que se guarda en la red
no es localizada lo que si falla una parte de esta no debe afectar en gran medida
a la otras capas, en fin las redes neuronales poseen gran cantidad de atributos
que hacen que sea una herramienta muy atractiva de trabajar en el mundo de la
tecnología.

Desventaja De Las Redes Neuronales Artificiales

 Se deben definir muchos parámetros. Ejemplos: arquitectura más

apropiada, número de capas ocultas, numero de neuronas por capas, las
interconexiones y la función de activación.
 Las neuronas se pueden entrenar debido a esto necesitan gran cantidad
de datos.
 Para agregar nuevos conocimientos es necesario, cambiar las
interacciones.
 Su funcionamiento es difícil de entender, se dificulta su comprensión, la
relación entre pesos y variables es complicada, no permite comprensión
intuitiva de los resultados.
 Se necesitan equipos especiales para trabajar las neuronas artificiales.

Redes Neuronales Y Computadoras Digitales

Para entender el potencial de la computación neuronal, sería necesario hacer

una breve distinción entre sistemas de computación neuronal y digital: los
sistemas neurológicos no aplican principios de circuitos lógicos o digitales.
Mientras que un sistema de computación digital debe ser síncrono o asíncrono.
 Asíncrono: la duración de los impulsos neuronales debería ser variables
para mantener uno de los valores primarios por periodos de tiempo
indefinido lo cual no es el caso.
 Síncrono: se necesitaría un reloj global o maestro con el cual los pulsos
estén sincronizados. Éste tampoco es el caso.

pág. 11
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

Las neuronas no pueden ser circuitos de umbral lógico, porque hay miles de
entradas variables en la mayoría de las neuronas y el umbral es variable con el
tiempo, siendo afectado por la estimulación, atenuación, etc. La precisión y
estabilidad de tales circuitos no es suficiente para definir ninguna función
booleana. Los procesos colectivos que son importantes en computación
neuronal no pueden implementarse por computación digital. Por todo ello, el
cerebro debe ser un computador analógico.
Los circuitos del cerebro no implementan computación recursiva y por lo tanto
no son algorítmicos. Debido a los problemas de estabilidad, los circuitos
neuronales no son suficientemente estables para definiciones recursivas de
funciones como en computación digital. Un algoritmo, por definición, define una
función recursiva. (Matich, Marzo de 2001 )

Elementos Básicos De Una Red Neuronal

• Esquema de una red neuronal:

La misma esta construida por neuronas interconectadas.

 Función de entrada: la neurona trata muchos valores de entrada como si

fueran una sola, “entrada global”
 Función de activación: las neuronas biología tienen dos estados de
activación puede estar activa o no activa, mientras que las neuronas
artificiales tienen diferentes estados de activación, alguna de ellas
solamente dos, pero otras pueden tomar cualquier valor dentro de un
conjunto determinado.
La función de activación calcula el estado de activación de una neurona,
una neurona puede estar totalmente activa o inactiva.

pág. 12
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

 Función de salida: la función de salida determina el valor que se transfiere

a las neuronas vinculadas, si la función de activación está por debajo de
un umbral determinado, ninguna neurona se pasa a la neurona
subsiguiente, los valores de salida pueden estar comprendidos en el
rango de 0,1 o -1,1, también pueden ser binarios 0,1 o -1,1.

La Computadora Y El Cerebro
La computadora y el cerebro comparten ciertas similitudes y diferencias, para
esto fueron creadas las rede neuronales artificiales para introducir conceptos
básicos de la computación y de la mente humanos, donde se permitiera crear
una red neuronal que pudiera adquirir conocimiento como nosotros lo hacemos
y la velocidad de calculo que tienen las computadoras.
Por eso hablaremos un poco de las relaciones que puede llegar a tener una
computadora con un cerebro humano, y de esta manera darnos cuenta que
elementos y habilidades componen cada una de estas:
La Computadora El Cerebro
--imposible crear creativamente, razona --se basa mucho en la experiencia
utilizando lógica estricta. anterior.
--no tiene sentido común. --capacidades perceptivas y motrices.
--es rápida y precisa, exacta y fiable. --más lento y falible.
--no es capar de adaptarse a entornos --más versátil y adaptable.
imprevistos.
--puede guardar grandes cantidades de --memoria de tipo asociativa.
información.
--para una simulación en un pc se --el cerebro posee 10.000.000 millones de
necesitan 100.000 neuronas. neuronas.
-- es mejor para manejar datos. --manipula el conocimiento.
--procesamiento localista. --procesamiento paralelo y distribuido.
Capacidades Básicas Capacidades Básicas
--comparaciones aritméticas y objetivos.
--percepción --conocimiento
--repetición condicional. --memoria --reconocimiento
--realiza todas las operaciones
--atención --entendimiento
aritméticas. --conciencia --representación
--interpretación
Similitudes Similitudes
--trabajan con códigos binarios que se --impulsos digitales.
trasmiten en forma de bits
APLICACIÓN DE LAS REDES NEUORNALES:
Podemos apreciar que tanto la computadora como el cerebro poseen ciertas
habilidades propias de cada uno y que a su vez estos comparten ciertas
similitudes que hacen que se relacionan un poco, de esta manera las redes
neuronales y la inteligencia artificial quieren tomar habilidades tanto de la
computación como del cerebro para dar respuesta a problemas científicos y de
la sociedad de manera humana pero de una forma rápida y confiable.

pág. 13
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

CONCLUSIONES

 las redes neuronales son otro medio creado por el hombre para dar un
nuevo paso hacia la perfección, siempre buscando una forma de facilitar
la vida del mismo, gracias a la implementación de máquinas más
sofisticadas que además de cumplir funciones mecánicas pueden
aprender a realizar nuevas, gracias Al aprendizaje y con esto a la
experimentación. características propias del ser humano, es decir dar más
humanidad a una máquina.
 La inteligencia artificial de la mano de las redes neuronales abren paso a
una nueva era tecnología del hombre, ya que se van adelantar
significativamente avances en las diferentes ramas como son la
tecnología, la ciencia, la economía, etc. Donde permitirá tomar decisiones
de manera rápida y objetiva de acuerdo a los datos que se le hayan
introducido previamente.
 Es claro decir que todavía faltan avances significativos en este rama ya
que al no ser elementos programables, si no que neuronas que aprenden
por medio de datos suministrados del mundo exterior o de forma
automática, hace que el avance sea un poco más lento y muchas veces
el resultado no es el esperado por parte de los investigadores.
 a nuestro parecer por un lado este es una gran creación, pero los hombres
por su ambición de ser Dioses al parecer nos estamos cegando y no
tomamos en cuenta que todos tenemos un límite, no dejemos que las
cosas se vayan de las manos, al parecer con esta creación las maquinas
ya no necesitan de nosotros.
 Por ultimo podemos concluir que esta serie de tecnología como son las
redes neuronales artificiales y la inteligencia artificial pueden llevar a
campos beneficiosos ya que a través de la integración del cerebro del
hombre con la potencia aritmética de las computadoras se podrán crear
redes masivas que van a permitir hacer grandes avances para la
humanidad, sin embargo tiene que utilizarse con precaución, ya que
debido la inserción de datos del mundo exterior o al aprendizaje
automático pueden llegar adquirir ideas erróneas y que pueden perjudicar
a ciertas partes de la humanidad. Ejemplo: concepciones ideológicas
tanto de política, como de religión que puedan ser adelantadas por los
diferentes entes gubernamentales del mundo.

pág. 14
 INGENIERIA DE SISTEMAS Código:
Instituto de Educación a Distancia IN-P01-F01
SEMESTRE Vl Versión: 03

BIBLIOGRAFICA

matich-redesneuronales.pdf

http://avellano.fis.usal.es/~lalonso/RNA/index.htm

https://es.wikipedia.org/wiki/Red_neuronal_artificial

https://sites.google.com/site/proyectointeligenciaartificial/indice/las-redes-
neuronales/ventajas-de-las-redes-neuronales

http://juanitajuanabernal.blogspot.com/p/ventajas-y-desventajas.html

pág. 15