Documentos de Académico
Documentos de Profesional
Documentos de Cultura
REDES NEURONALES
Presentado por:
Psicología virtual
Bogotá
2020
1
INTRODUCCIÓN
que tiene como objetivo de moldear la inteligencia de los seres humanos, y busca la
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
esta neurona está conformada por el cuerpo de las células soma, donde se encuentra el
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
o también conocida como sinapsis se establece en las dendritas y los cuerpos de las células
de otras neuronas.
pueden provenir del sistema sensorial externo o de otras neuronas con las cuales poseen una
3
aplicabilidad, porque su potencial radica en las interconexiones de ellas mismas, tal como
La distribución de las neuronas dentro de una red artificial se realiza formando niveles
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.
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
5
REDES MULTICAPA: Esta red tiene un nivel de entrada con las neuronas y una capa
diferencia es una capa intermedia entre la entrada y la salida, esta capa tiene por nombre la
procesamiento, para los casos de redes monocapa y multicapa y así respectivamente hasta
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
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
clasificaciones de los patrones de una neurona entrenada puede ser, observada y utilizada
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
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
Aprendizaje no
supervisado
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
EL APRENDIZAJE SUPERVISADO
controlado por un agente externo llamado superior o maestro, que su objetivo principal es
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
neurona de salida del perceptron tiene la apode ración de las entradas y además se agrega el
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
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
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
13
REFERENCIA DE IMÁGENES
Mario Campos, S. (2018). Inspiración biológica de las redes neuronales artificiales.
JsIQ7SoEAE4Rk6fuVA.png
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
de: http://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales_archivos/image006.jpg
de: http://grupo.us.es/gtocoma/pid/pid10/RedesNeuronales_archivos/image113.jpg
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
content/uploads/2018/06/ModeloPerceptron-768x444.jpeg
https://koldopina.com/wp-content/uploads/2018/04/Adaline.jpg
15