Documentos de Académico
Documentos de Profesional
Documentos de Cultura
http://research.iac.es/sieinvens/SINFIN/Sie_Courses_PDFs/NNets/confiac.pdf
Concepto
Una red neuronal puede aproximar una amplia gama de modelos predictivos con demandas
mínimas sobre la estructura y asunción de modelos. La forma de las relaciones está
determinada durante el proceso de aprendizaje. Si una relación lineal entre el objetivo y los
predictores es apropiada, los resultados de la red neuronal deben aproximarse mucho a los
del modelo lineal tradicional. Si una relación no lineal es más apropiada, la red neuronal
aproximará automáticamente la estructura de modelo "correcta".
https://www.ibm.com/support/knowledgecenter/es/SS3RA7_sub/modeler_mainhelp_client_d
dita/components/neuralnet/idh_neuralnet_basics.html
https://www.atriainnovation.com/que-son-las-redes-neuronales-y-sus-funciones/
Origen y cronología
La primera investigación sobre este tema comenzó a principios del siglo XIX, pero no se
desarrolló hasta las décadas de 1940 y 1950 en la década de 2040 debido al movimiento
conexionista. Este movimiento apoya la premisa de que el secreto del proceso de
aprendizaje y conocimiento es fundamentalmente indudablemente axiomas o verdad, el
conocimiento es independiente de la estructura manipulada por símbolos y la
representación del conocimiento se construye desde el nivel más básico de
conocimiento, inteligencia. El cerebro, especialmente las neuronas y sus múltiples
conexiones. Debido a la aparición de autores como Minsky y Papert (1969), este gran
interés en las redes neuronales disminuyó gradualmente en la década de 1970, y
expresaron las limitaciones del proceso de aprendizaje de las arquitecturas de redes
neuronales. El principio central del conexionismo es que los fenómenos psicológicos
pueden describirse mediante una red de unidades simples y a menudo iguales
conectadas entre sí.
Las primeras investigaciones sobre el tema, datan aproximadamente de principios del siglo XIX
pero no fue hasta la década de los años 40 y 50, en el siglo XX, cuando cobró mayor fuerza,
gracias al movimiento Conexionista. Este movimiento sostenía la premisa de que el secreto del
proceso del aprendizaje y el conocimiento se halla fundamentalmente en axiomas o verdades
incuestionables y que el conocimiento es independiente de la estructura que manejen los
símbolos, y la representación del conocimiento se hace desde el estrato mas básico de la
inteligencia: el cerebro, especialmente en las neuronas y las múltiples conexiones entre ellas.
Éste interés notable por las redes neuronales se vio disminuido en los años 70 debido al
surgimiento de autores como Minsky y Papert (1969) los cuales manifestaron las limitaciones
del proceso de aprendizaje de las arquitecturas de las redes neuronales.
El principio central del conexionismo es que los fenómenos mentales pueden ser descritos por
redes de unidades sencillas y frecuentemente iguales que se interconectan.
Conseguir diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia ha
sido uno de los principales objetivos de los científicos a lo largo de la historia. De los intentos
realizados en este sentido se han llegado a definir las líneas fundamentales para la obtención
de máquinas inteligentes: En un principio los esfuerzos estuvieron dirigidos a la obtención de
autómatas, en el sentido de máquinas que realizaran, con más o menos éxito, alguna función
típica de los seres humanos. Hoy en día se continúa estudiando en ésta misma línea, con
resultados sorprendentes, existen maneras de realizar procesos similares a los inteligentes y
que podemos encuadrar dentro de la llamada Inteligencia Artificial (IA). La otra línea de la
investigación ha tratado de aplicar principios físicos que rigen en la naturaleza para obtener
máquinas que realicen trabajos pesados en nuestro lugar. De igual manera se puede pensar
respecto a la forma y capacidad de razonamiento humano; se puede intentar obtener
máquinas con esta capacidad basadas en el mismo principio de funcionamiento. No se trata de
construir máquinas que compitan con los seres humanos, sino que realicen ciertas tareas de
rango intelectual con que ayudarle, principio b ásico de la Inteligencia Artificial. Las primeras
explicaciones teóricas sobre el cerebro y el pensamiento ya fueron dadas ya por Platón (427-
347 a.C.) y Aristóteles (348-422 a.C.). Las mismas ideas también las mantuvo Descartes (1569-
1650) y los filósofos empiristas del siglo XVIII. La clase de las llamadas máquinas cibernéticas, a
la cual la computación neuronal pertenece, tiene más historia de la que se cree: Herón (100
a.C) construyó un autómata hidráulico.
https://steemit.com/spanish/@iars.geo/breve-historias-de-las-redes-neuronales-artificiales-
articulo-1
https://medium.com/@williamkhepri/redes-neuronales-que-son-a64d022298e0
https://www.tendencias21.net/Neuronas-biologicas-y-artificiales-se-comunican-a-traves-de-
Internet_a45734.html
https://upcommons.upc.edu/bitstream/handle/2099.1/6277/6.%20SISTEMA%20NEURONAL
%20VS%20SISTEMA%20ELECTR%C3%93NICO.pdf?sequence=8&isAllowed=y
http://nabucco.es/comparativa-redes-neuronales-biologicas-y-artificiales/?print=pdf
https://medium.com/soldai/inspiraci%C3%B3n-biol%C3%B3gica-de-las-redes-neuronales-
artificiales-9af7d7b906a
https://www.usmp.edu.pe/publicaciones/boletin/fia/info32/pag4.htm
Las redes neuronales artificiales son un modelo inspirado en el funcionamiento del cerebro
humano. Esta formado por un conjunto de nodos conocidos como neuronas artificiales que
están conectadas y transmiten señales entre sí. Estas señales se transmiten desde la entrada
hasta generar una salida.
Las redes neuronales artificiales (RNA) son modelos de la inteligencia artificial que se inspiran
en el comportamiento de las neuronas y las conexiones cerebrales para resolver problemas.
Para entender mejor el concepto, tenemos que iniciar por responder dos preguntas. ¿Qué es la
inteligencia artificial? ¿Qué es una red neuronal?
https://www.xataka.com/robotica-e-ia/las-redes-neuronales-que-son-y-por-que-estan-
volviendo
https://empresas.blogthinkbig.com/redes-neuronales-artificiales/
http://www.cs.us.es/~fsancho/?e=72
https://victoryepes.blogs.upv.es/2017/01/07/que-es-y-para-que-sirve-una-red-neuronal-
artificial/
https://www.diegocalvo.es/definicion-de-red-neuronal/
https://www.academia.edu/8172191/Redes_Neuronales_Artificiales_Arquitecturas_y_Aprendi
zaje
http://www.sc.ehu.es/ccwbayes/docencia/mmcc/docs/t8neuronales.pdf
https://www.researchgate.net/figure/Figura-3-Arquitectura-de-una-Red-Neuronal-Artificial-
Perceptron-Multicapa-RNAPM-con_fig3_313238723 (ESTA NO ES)
https://www.ibiblio.org/pub/linux/docs/LuCaS/Presentaciones/200304curso-
glisa/redes_neuronales/curso-glisa-redes_neuronales-html/x69.html
https://www.researchgate.net/figure/Figura-4-Arquitectura-de-la-RNA-
utilizada_fig3_318850381
Desde un punto de vista matemático, puede ver que la red neuronal es un gráfico
dirigido ponderado, donde cada nodo es una neurona artificial, y el arco que conecta los
nodos es una conexión sináptica. Al girar, el arco y la flecha son unidireccionales. Qué
significa eso? En el lenguaje de las neuronas y las conexiones, esto significa que la
información viaja en una dirección, desde las neuronas presinápticas (neuronas de
origen) hasta las neuronas postsinápticas (neuronas de destino). Por otro lado, está
ponderado, lo que significa que la conexión tiene un número real asociado, es decir, el
peso, que indica la importancia de la conexión en comparación con las conexiones
restantes. Si el peso es positivo, significa que la conexión es emocionante, y si el peso
es negativo, significa que está suprimido. Las neuronas generalmente se agrupan en
capas para que el ARN esté compuesto por múltiples capas de neuronas. Aunque todas
las capas son conjuntos de neuronas, dependiendo de su función, generalmente se les
da un nombre específico. Los más comunes son:
Redes Monocapa
Redes Multicapa
Redes Feedforward
Redes Recurrentes.
https://www.xeridia.com/blog/redes-neuronales-artificiales-que-son-y-como-se-entrenan-
parte-i#:~:text=Entrenar%20una%20red%20neuronal%20consiste,a%20los%20datos%20que
%20conocemos.
https://elvex.ugr.es/decsai/deep-learning/slides/NN4%20Training.pdf
http://www.cs.us.es/~fsancho/?e=165
https://es.slideshare.net/mentelibre/red-neuronal-backpropagation
https://empresas.blogthinkbig.com/como-funciona-el-algoritmo-backpropagation-en-una-red-
neuronal-parte-ii/
https://elvex.ugr.es/decsai/deep-learning/slides/NN3%20Backpropagation.pdf
https://elvex.ugr.es/decsai/computational-intelligence/slides/N2%20Backpropagation.pdf
https://www.interactivechaos.com/manual/tutorial-de-machine-learning/backpropagation
https://sitiobigdata.com/2019/12/24/red-neuronal-y-backpropagation/
https://www.atriainnovation.com/que-son-las-redes-neuronales-y-sus-funciones/#:~:text=El
%20alcance%20de%20las%20funciones,tareas%20de%20predicci%C3%B3n%20y%20clasificaci
%C3%B3n.
https://www.diegocalvo.es/funcion-de-activacion-redes-neuronales/
https://ml4a.github.io/ml4a/es/neural_networks/
https://blog.es.logicalis.com/analytics/redes-neuronales-artificiales-funcionamiento-y-
aplicacion-al-negocio
https://quantdare.com/redes-neuronales-2/