ACTIVIDAD 7

REDES NEURONALES

Presentado por:

Norida Naizaque Cunfiño

Paula Fernanda González Aguirre

Presentado a: Lic. Gloria Tatiana Olarte Lara

Corporación Universitaria Iberoamericana

Psicología virtual

Bogotá

2020

1
 INTRODUCCIÓN

Este trabajo se basa en las redes neuronales y el funcionamiento de las neuronas en

nuestro cerebro, ya que una tendencia de enfoques diferentes de la inteligencia artificial,

que tiene como objetivo de moldear la inteligencia de los seres humanos, y busca la

imitación de los procesos o razonamientos que suceden en nuestro cerebro.

Las redes neuronales comúnmente se clasifican en términos de sus algoritmos de

entretenimiento y esta puede ser revisada o no revisada, son las redes más comunes para

resolver los problemas y consiste en generar diferentes pesos asociados con diferentes

valores.

2
 LAS REDES NEURONALES

La teoría de las redes neuronales artificiales se basa en la neurona biológica, donde la

estructura y en el funcionamiento de los sistemas nerviosos es parte fundamental, ya que

esta neurona está conformada por el cuerpo de las células soma, donde se encuentra el

núcleo de la célula y el cuerpo que se pronuncia ramificaciones de distintas fibras que se

conoce como dendritas, además la fibra más larga tiene como nombre el axón. Las

dendritas también tienen una red tupida, que está alrededor de la célula en un cambio de

axón, se extiende promedio de un centímetro o un metro, también es importante la conexión

o también conocida como sinapsis se establece en las dendritas y los cuerpos de las células

de otras neuronas.

La neurona biológica y la neurona artificial reciben unas entradas de estímulos que

pueden provenir del sistema sensorial externo o de otras neuronas con las cuales poseen una

conexión. La neurona artificial posee una baja capacidad de procesamiento y el nivel de

3
aplicabilidad, porque su potencial radica en las interconexiones de ellas mismas, tal como

sucede en el cerebro humano.

LA ESTRUCTURA DE UNA RED NEURONAL

La distribución de las neuronas dentro de una red artificial se realiza formando niveles

de un número de neuronas, que conforman un conjunto de neuronas artificiales que son

llamadas o denominadas capas y en un red se puede evidenciar tres tipos de niveles.

ENTRADA: Es un conjunto de neuronas que recibe directamente la información que

proviene de las fuentes externas de la red.

OCULTA: Es el grupo de neuronas internas a la red y no tiene contacto directo con el

exterior. Las neuronas de las capas ocultas pueden estar interconectadas de diferentes

maneras, lo que concluye que junto con su número las distintas arquitecturas de las redes

neuronales.

SALIDA: Es una agrupación de neuronas que transfiere la información que la red ha

procesado hacia el exterior.

4
 LA ARQUITECTURA DE LAS REDES NEURONALES

La red neuronal artificial es la manera que se organiza las neuronas en su interior y están

ligadas al algoritmo de aprendizaje, esto depende del número de capas que posee las redes.

REDES MONOCAPA: Son redes con una sola capa y para unirse a las neuronas crean

conexiones laterales para conectar con otras neuronas de su capa, esta red ha sido utilizada

en circuitos electrónicos, debido a su topología y además son adecuadas para ser

implementadas mediante el hardware, donde se utiliza las matrices de diodos que

representa las conexiones de las neuronas.

5
 REDES MULTICAPA: Esta red tiene un nivel de entrada con las neuronas y una capa

de salida de neuronas, el comportamiento es muy similar a la red monocapa, la única

diferencia es una capa intermedia entre la entrada y la salida, esta capa tiene por nombre la

capa oculta y está conformada por neuronas.

REDES FEEDFORWARD: Es un tipo de red neuronal artificial, que su información

incluye en un único sentido desde las neuronas de entrada a la capa o capas de

procesamiento, para los casos de redes monocapa y multicapa y así respectivamente hasta

llegar a la capa de salida de la red neuronal.

6
 REDES RECURRENTE: Esta red neuronal tiene la información que no siempre fluye

en un sentido, debido a que se puede retroalimentarse hacia las capas inferiores por medio

de las conexiones sináptica, este tipo de red neuronal puede ser monocapa o multicapa. La

salida de cada neurona es pasada por una unidad de retardo y lleva hacia todas las neuronas

excepto asía ella misma.

Las neuronas artificiales se pueden también clasificar de acuerdo a los valores que

pueden tomar, debemos conocer los dos tipos de neuronas principales que son las

NEURONAS BINARIAS: Son las encargadas de tomar los valores {0,1} o {1,1} de un

intervalo mientras que las NEURONAS REALES pueden hacerlo dentro del rango [0,1] o

[-1,1].
7
 LAS REDES NEURONALES EN EL APRENDIZAJE

Las redes artificiales son incoherentes capacidad para extraer los conocimientos a partir

de datos complejos e imprecisos sin necesidad de un modelo a priori del problema, es una

herramienta útil para el procesamiento del tiempo o del reconocimiento de las

clasificaciones de los patrones de una neurona entrenada puede ser, observada y utilizada

para tener proyecciones ante nuevas situaciones de interés.

Una de las características más importantes es la capacidad del aprendizaje porque

permite que la red neuronal se adapte a nueva situaciones, sin embargo debe existir la

información necesaria para realizar los procesos de entrenamiento, como por ejemplo

nosotros los seres humanos tenemos la calidad de información que le entregamos a esta red

y es muy necesaria para tener una calidad de aprendizaje.

El aprendizaje es una red como un procesador por el cual modifica las conexiones entre

neuronas y pesos sinápticos, para la realización de las tareas, esta red se puede definir los

procesamientos por el cual las conexiones del dispositivo varían para poder, proporcionar la

salida deseada, ya que estos métodos deseados se dividen en categoría.

Aprendizaje no
supervisado

APRENDIZAJE Aprendizaje por refuerzo

Aprendizaje Aprendizaje por corrección

supervisado
8
 EL APRENDIZAJE NO SUPERVISADO

Es un aprendizaje donde no hay un supervisor o maestro que guie el aprendizaje y que

los pesos de la red se calcula en función de lo que haga la entrada que la red neuronal

artificial este recibido, de acuerdo a un propósito especial que nos permita obtener el

conocimiento que queremos representar con la red. Este proceso de información que realiza

una red artificial generalmente con lleva a recibir la información de entrada e ir

propagándola, hasta llegar al punto de generar la salida de ella misma.

EL APRENDIZAJE SUPERVISADO

Es un esquema que se caracteriza por tener un proceso de entrenamiento y además es

controlado por un agente externo llamado superior o maestro, que su objetivo principal es

guiar el aprendizaje en la red. Los datos de entrada le propone al supervisor y a la red

neuronal, para ser comparada con la salida de la red neuronal.

9
 LAS REDES NEURONALES DE PERCEPTRON

Las redes neuronales de perceptron tiene una entrada que posee varias neuronas lineales

que tienen como objetivo de recibir los estímulos externos de red y a la salida tiene una

única capa de neuronas, que tiene como función la activación binaria o bipolar a

consecuencia de estos procesos la salida de la neurona dentro de posibles valore. La única

neurona de salida del perceptron tiene la apode ración de las entradas y además se agrega el

umbral y tiene como resultado la activación binaria o bipolar.

Hay una red también muy importante que está relacionada con la red de perceptron, que

se llama red adaline, tiene un desarrollo en las redes neuronales, ya que su mecanismo de

10
aprendizaje se basa en los elementos de la teoría optimización además posee la aplicación a

los problemas que se relaciona al a las señales, donde tiende a justificar a un filtro adoptivo.

Los algoritmo que son utilizados en los procesos de aprendizaje de la red adaline, tiene un

punto aleatorio, donde se busca un punto que el error sea muy mínimo, esta es una técnica

que se denomina algoritmo de gradiente descendente.

11
 CONCLUSIONES
Concluimos que la neurona es un componente muy diminuto de la estructura del
cerebro, ya que es una distribución de las operaciones a realizar de una serie de elementos
básicos, que por su analogía con los sistemas biológicos se conocen como neuronas. Estos
procesos están unidos entre sí mediante una serie de conexiones que son conocidos como
pesos sinápticos, donde suelen variar todo el tiempo por medio de un proceso que se
conoce como aprendizaje.

12
 REFERENCIAS
Zambrano Rodríguez, D, F. (2009). ¿Qué es inteligencia artificial? .El Cid Editor.
Recuperado de: https://elibro.net/es/lc/biblioibero/titulos/28948

J. M. Atencia, L. Manuel, P. (2003). Inteligencia artificial y pensamiento humano. Revista

de filosofía. Universidad de Malgá. Recuperado de:
https://institucional.us.es/revistas/themata/24/01%20atencia.pdf

Alexander Salazar C. (2018). La inteligencia artificial vs la inteligencia humana. Reista

internacional de ciencias de salud. Universidad de Magdalena. Recuperado de:
file:///C:/Users/Tadet/Downloads/Dialnet-
LaInteligenciaArtificialVsLaInteligenciaHumana-6692327.pdf

Andrea Navarro, M. (2020). Introducción a las redes neuronales aplicadas al aprendizaje

supervisado. HACKER & DEVELOPERS TM BLOG. Recuperado de:
https://hackersandevelopers.wordpress.com/2020/05/25/introduccion-a-las-redes-
neuronales-aplicadas-al-aprendizaje-supervisado/

Xabier Basogain. (2003). Redes neuronales artificiales y sus aplicaciones. Escuela superior
de Bilbao. Recuperado de:
https://ocw.ehu.eus/pluginfile.php/40137/mod_resource/content/1/redes_neuro/contenidos/
pdf/libro-del-curso.pdf

Ulises García. (2020). Introducción a las redes neuronales p.t. Futuro Lab. Recuperado de:
https://medium.com/futurelabmx/introducci%C3%B3n-a-las-redes-neuronales-pt-i-
a73f87933f8e

Mario Campos, S. (2018). Inspiración biológica de las redes neuronales artificiales.

Soldai. Recuperado de: https://medium.com/soldai/inspiraci%C3%B3n-biol%C3%B3gica-
de-las-redes-neuronales-artificiales-9af7d7b906a

13
 REFERENCIA DE IMÁGENES
Mario Campos, S. (2018). Inspiración biológica de las redes neuronales artificiales.

Blog de Soldai. Recuperado de: https://miro.medium.com/max/2400/1*fUA-

JsIQ7SoEAE4Rk6fuVA.png

Yosvani Orlando Lao, L. (2017). Procedimientos para el pronóstico de la demanda

mediante redes neuronales artificiales. ResearchGate. Recuperado de:

https://www.researchgate.net/profile/Yosvani-Lao-

Leon/publication/313238723/figure/fig1/AS:457343222718466@1486050529523/Figura-

1-Comparacion-entre-una-neurona-biologica-y-una-neurona-artificial.png

Mauricio TAMEZ. (2016). Porqué las redes neuronales artificiales son el futuro.

Monitorio Educativo.

https://monitor.iiiepe.edu.mx/sites/default/files/redneuronalartificial.png

Conceptos Básicos sobre Redes Neuronales. (2016). Estructura de un ANS. Recuperado

de: http://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales_archivos/image006.jpg

Conceptos Básicos sobre Redes Neuronales. (2016). Estructura de un ANS. Recuperado

de: http://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales_archivos/image113.jpg

Conceptos Básicos sobre Redes Neuronales. (2016). Estructura de un ANS. Recuperado

de: http://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales_archivos/image115.jpg

14
 Anislei Santi, E. (2014). Red neuronal feedforward. ResearGate. Recuperado de:

https://www.researchgate.net/profile/Anislei-Santiesteban-

Velazquez/publication/268077406/figure/fig1/AS:295439296417796@1447449625516/Re

d-neuronal-feedforward.png

Diego Calvo. (2018). Red neuronal recurrente. Blog Diego Calvo. Recuperado de:

https://www.diegocalvo.es/wp-content/uploads/2017/07/red-neuronal-recurrente-

768x251.png

Diego Calvo. (2019). Aprendizaje no supervisado. Blog Diego Calvo. Recuperado de:

https://www.diegocalvo.es/wp-content/uploads/2019/03/aprendizaje_no_supervisado.png

Diego Calvo. (2019). Aprendizaje supervisado. Blog Diego Calvo. Recuperado de:

https://www.diegocalvo.es/wp-content/uploads/2019/03/aprendizaje_supervisado.png

José Mario Álvarez. (2018). El perceptron como una neurona artificial. Blog Jóse

Mario. Recuperado de: http://blog.josemarianoalvarez.com/wp-

content/uploads/2018/06/ModeloPerceptron-768x444.jpeg

Koldopina. (2018). Adaline- the perceptron evolution. Recuperado de:

https://koldopina.com/wp-content/uploads/2018/04/Adaline.jpg

15