REDES NEURONALES

ARTIFICIALES
CLASIFICACION

PRESENTADO POR:
jesus david molina sanguino

DOCENTE:
TONY JIMENEZ

Red neuronal Monocapa
Perceptrón simple
compuesta por una capa de neuronas
que proyectan las entradas a una capa
de neuronas de salida donde se
realizan los diferentes cálculos.
Desarrolladas bajo el
algoritmo Backpropagation
Este tipo de red esta bajo
el metodo de aprendizaje
supervisado
este tipo de red neuronal
aplica en los campos de
problemas con una
complejidad considerable,
como puede ser el
reconocimiento de patrones y
clasificación de datos
Redes Neuronales Artificiales
Clasificación de redes neuronales
Red neuronal Multicapa
Perceptrón multicapa
dispone de un conjunto de capas
intermedias entre la capa de
entrada y la de salida.
Dependiendo del número de
conexiones que presente la red
esta puede estar total o
parcialmente conectada.
Desarrolladas bajo el
algoritmo Backpropagation
Este tipo de red esta bajo
el metodo de aprendizaje
supervisado
este tipo de red neuronal
aplica en los campos de
problemas con una
previsión de ventas
control de procesos industriales
investigación de los clientes
según la topología de red
Red neuronal Convolucional
(CNN)
consigue reducir el número de
neuronas necesarias y la
complejidad computacional
necesaria para su ejecución.
Desarrolladas bajo la
tecnología Crowd- counting
Este tipo de red esta bajo
el metodo de aprendizaje
no supervisado
este tipo de red neuronal
aplica en los campos de
problemas con
la validación de datos
la gestión de riesgos
marketing de destino
Red neuronal recurrente
(RNN)
permiten conexiones arbitrarias
entre las neuronas, incluso
pudiendo crear ciclos, con esto
se consigue crear la temporalidad,
permitiendo que la red tenga
memoria.
Desarrolladas bajo el
algoritmo Backpropagation
Este tipo de red esta bajo
el metodo de aprendizaje
supervisado
este tipo de red neuronal
aplica en los campos de
p r o b l e m a s c o n e l
reconocimiento de enfermedades
usando exploraciones ya que
no hay necesidad de proporcionar
un algoritmo específico sobre
cómo identificar la enfermedad
Redes de base radial
(RBF)
calculan la salida de la función
en función de la distancia a un
punto denominado centro.
La salida es una combinación
lineal de las funciones de
activación radiales utilizadas
por las neuronas individuales.
Desarrolladas bajo el
Algoritmo de K-medias
Este tipo de red esta bajo
el metodo de aprendizaje
no supervisado
este tipo de red neuronal
aplica en los campos de
problemas con se utilizaron
para descubrir la influencia
de las interacciones no definidos
por las diversas variables
 REFERENCIAS
BIBLIOGRAFICAS

https://www.ticbeat.com/innovacion/la-historia-de-la-
inteligencia-artificial-desde-los-origenes-hasta-hoy/

https://studylib.es/doc/123014/inteligencia_artificial_isc

https://revistaderobots.com/inteligencia-artificial/
historia-inteligencia-artificial-biografia-alan-turing/

https://www.nationalgeographic.com.es/ciencia/breve-
historia-visual-inteligencia-artificial_14419/15