FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENERÍA DE SISTEMAS

ACTIVIDAD DE INVESTIGACIÓN FORMATIVA

CURSO: INTELIGENCIA ARTIFICIAL-A

DOCENTE: DR. ING. JORGE GUTIERREZ GUTIERREZ

INTEGRANTES:
 CALDERÓN LUCERO, CARLOS EDUARDO
 CANALES TINEO, JUAN CARLOS
 QUISPE HUERTAS, VICTORIA DEL JESUS
 SHUAN SANCHEZ, AMANCIO

HUARAZ – PERÚ
2021
 Elabora una descripción del estado del arte (situación actual) de las redes
neuronales artificiales

El estado del arte de la inteligencia artificial, que la actualidad se enfoca en desarrollo de

software de alta capacitar para realizar trabajos inteligentes como identificar, reconocer
actividades cotidianas y hasta interactuar con el ser humano.

Que principalmente es el estudio del comportamiento inteligente de los seres humanos y que
con capaces de imitar.

¿Cómo funciona?

La inteligencia artificial funciona con algoritmos que son programados para realizar diversas
tareas, en los últimos tiempos los programas más utilizados son Lisp y prolog porque se
ejecutan como programas declarativos, que básicamente están divididos en varios campos
como.

 Sistemas expertos. - basado en la utilización de computadoras con herramientas de

decisión de hechos y heurísticos parta solucionar problemas complejos.
 Aprendizaje y razonamiento automático. - Es el estudio de proceso de aprendizaje
en grandes cantidades de manera automático.
 Robótica. - Son creados con capacidades de recibir información y realizar acciones
acuerdo las necesidades para al mundo que básicamente son creados con sensores,
cámaras, microchip etc. Y son manipulados por el ser humano.

Las redes neuronales artificiales

En los últimos años con el avance de la tecnología y ciencia han ido evolucionando a gran
escala la fabricación de neuronas artificiales, que tiene patrones capaces de reconocer
patrones, que permiten resolver problemas que va del mano con equipos computacionales
para su mejor desenvolviendo.
IMPLEMENTACIÓN DE UN SISTEMA DE INFORMACIÓN PARA EL
RECONOCIMIENTO DE CARACTERES BASADO EN LA RED NEURONAL
PERCEPTRON

PONTIFICIA UNIVERSIDAD CATÓLICA DEL PERÚ “FACULTAD DE CIENCIAS E

INGENIERÍA”

Sammy Nahín Carranza Hernández

Septiembre de 2014

El presente proyecto tuvo como objetivo final construir un sistema basado en el

funcionamiento de redes neuronales para el reconocimiento de caracteres dibujados a mano.
El proyecto se divide en 2 fases. La primera fase es la de entrenamiento. En esta fase se
entrena al sistema con el algoritmo resilient backpropagation. Para esto se trabaja con una
data de entrenamiento, los cuales son una seguidilla de dibujos de caracteres hechos a mano.
Al final de la fase de entrenamiento se obtiene los parámetros del sistema de red neuronal,
con los cuales se podrá configurar el sistema de red neuronal. La siguiente fase es la fase de
testeo. En esta fase se busca saber cuan efectivo ha sido el proceso de entrenamiento del
sistema de red neuronal. Para esto, se pone a prueba el sistema ingresándole nueva data la
cual nunca ha sido vista por el sistema. A esta data, se le llama data de testeo. Al final de esta
fase se obtiene el grado de efectividad del sistema en reconocer acertadamente cada carácter
ingresado al sistema.

Concluimos que las redes neuronales son útiles para cualquier problema de clasificación,
como por ejemplo el reconocimiento de caracteres, siempre y cuando haya data suficiente
para el entrenamiento y que esta data sea una buena representación de todo el universo de la
data. También se concluye que el método Nguyen - Widrow es un buen método para mejorar
y acelerar la fase de entrenamiento. Sin embargo, a pesar de que este prototipo soporta el
procesamiento con varias capas (más de 2), no se pudo superar la eficacia de la arquitectura
antes mencionada en otras arquitecturas de tres capas o más, tal vez, porque no se halló ni en
la experimentación realizada en el proyecto ni en la literatura la cantidad necesaria óptima
de neuronas por capa.

CHIPS DE SILICIO

Otro de los campos de la investigación en el mundo de las ANN al margen de los simuladores
software y aceleradores hardware, es la integración de todos los componentes de
computación neuronal en un chip de silicio. Un ejemplo concreto es el chip Electronic Neural
Network (EEN) de la compañía AT&T que contiene 256 transistores-neuronas y más de
100.000 resistencias-sinapsis. Actualmente este chip está siendo utilizado para aplicaciones
de compresión del ancho de banda de imágenes de vídeo para poder ser transmitidas por una
línea telefónica. Existen muchas compañías y centros de investigación que están trabajando
en el desarrollo de circuitos integrados que realizan computación neuronal. La mayoría de
las aplicaciones de estos chips está siendo la simulación de procesos sensitivos como la visión
de imágenes y la audición de sonidos.

APLICACIONES EN LA INDUSTRIA ROBÓTICA

Los robots y máquinas inteligentes cada día ocupan gran parte del sector industrial, estas
máquinas están remplazando muchos de los trabajos que antes era hecho por humanos,
estos modelos de robots en la actualidad se van asemejándose más y más a muchas de
las características de las personas. Tienen extremidades y de similar tamaño, son igual o
más rápidos y también asemejan su fuerza, lo único que no había sido integrado era la
toma de decisiones, pero se hará gracias a las redes neuronales.
Desde hace más de dos décadas, se trabaja en la aplicación de Redes Neuronales
Artificiales (RNA) en robots empleados en la industria, con el objetivo de que las
máquinas puedan reformular sus líneas de trabajo de acuerdo con las necesidades de la
empresa. Este proceso imita el funcionamiento de las redes neuronales de los organismos
vivos. Al igual que la complejidad del cerebro, un conjunto de neuronas conectadas entre
sí y que trabajan en un conjunto, sin que haya una tarea concreta para cada una, estas
neuronas van creando y reforzando ciertas conexiones para aprender algo que se queda
fijo en el tejido.

Por ejemplo:

ROBOTS PLAY-BACK:

Los cuales regeneran una secuencia de instrucciones grabadas, como un robot

utilizado en recubrimiento por spray o soldadura por arco. Estos robots
comúnmente tienen un control de lazo abierto.

ROBOTS CONTROLADOS POR SENSORES:

Estos tienen un control en lazo cerrado de movimientos manipulados, y hacen

decisiones basados en datos obtenidos por sensores.
APLICACIONES EN LA MEDICINA

PRÓTESIS

Muchas de las investigaciones que se han realizado en el campo de las interfaces

neuronales se han enfocado al control y a la ejecución de funciones de mecanismos
efectores. Algunos de los más estudiados son: neuroprótesis, exoesqueletos, robots
telemétricos y, de manera especial, sistemas de comunicación directa con
computadores. Estos permitirían la sustitución de partes corporales, la restitución de
funciones para las que se ha perdido capacidad, la realización de tareas en ambientes
inaccesibles para los humanos, entre otras funciones.

NEUROPRÓTESIS

La neurociencia analiza la posibilidad de reemplazar algunas funciones del sistema

nervioso usando dispositivos artificiales. Esto se logra mediante la creación de modelos
matemáticos biológicamente realistas de las funciones del cerebro, la producción de
microchips biomiméticos que incorporan estos modelos y su integración al sistema
nervioso central.
El dispositivo más usado en neuroprótesis es el implante de cóclea, utilizado para
restaurar el oído; sin embargo, también existen implantes que permiten restaurar la
visión e incluso funciones cognitivas, en un lado al cerebro en el último caso.

La transmisión sináptica también ha sido analizada mediante la utilización de

neuroprótesis con excelentes resultados, lográndose traducir los impulsos neuronales y
enviando señales por radiofrecuencia se puede mover el mouse de una PC, una silla de
ruedas eléctrica y hasta prótesis biónicas. Las conexiones sinápticas de los nervios
‘redireccionados’ hacia electrodos también permiten captar sensaciones de los
miembros perdidos.
 CONCLUSIÓN

Las redes neuronales artificiales, inspirados en el comportamiento del cerebro humano,

permiten la creación de la inteligencia artificial. Notablemente aplicados en el análisis de
datos, principalmente a través de aprendizaje no supervisado, se utilizan para predecir,
identificar y clasificar datos. el aprendizaje. El motor esencial del sistema, les permite
asimilar el procesamiento de la información a través de una función y reproducirla para
los datos que luego se le presentarán. Las redes neuronales se usan ampliamente en
finanzas y administración como una herramienta de apoyo a la decisión, pero pueden ser
útiles para muchas otras aplicaciones en áreas que van desde la arqueología hasta la
medicina y la medicina. telecomunicaciones. Además, resultan ser prometedores para
quien los inspiró: el cerebro humano.
BIBLIOGRAFIA:

1. Caicedo Bravo E.F. y López Sotelo J.A. Una aproximación práctica a las redes
neuronales artificiales [En Línea]. Programa Editorial Universidad del Valle,
2009 [consultado 21 Sep 2021]. Disponible en:
https://elibro.net/es/lc/uladech/titulos/129183
2. del Peso M.M. Aplicaciones de las redes neuronales artificiales a problemas de
predicción y clasificación financiera [En Línea]. Madrid: Universidad Rey
Juan Carlos, 2005 [consultado 21 Sep 2021]. Disponible en:
https://elibro.net/es/lc/uladech/titulos/34664
3. Pérez Aguila R. Una introducción al cómputo neuronal artificial [En Línea].
Santa Fe, Argentina: El Cid Editor, 2012 [consultado 21 Sep 2021]. Disponible
en: https://elibro.net/es/lc/uladech/titulos/34865
4. (Anderson, 1995) Anderson, James A,"An Introduction to Neural Networks",
MIT Press, 1995.
5. https://monitor.iiiepe.edu.mx/notas/%C2%BFpor-qu%C3%A9-las-
redesneuronales-artificiales-son-el-futuro.
6. http://www.redes-neuronales.com.es/tutorial-redes-neuronales/que-sonlas-
redes-neuronales.htm.
7. http://www.varpa.org/~mgpenedo/cursos/scx/archivospdf/Tema1-0.pdf.
8. http://halweb.uc3m.es/esp/Personal/personas/jmmarin/esp/DM/tema3dm.pdf.
9. https://www.youtube.com/watch?v=U1toUkZw6VI
10. https://www.youtube.com/watch?v=aircAruvnKk&t=749s
11. https://www.youtube.com/watch?v=ILsA4nyG7I0
12. http://ciencia.unam.mx/leer/773/redes-neuronales-artificialescontribuyen-en-
el-desarrollo-de-aplicaciones-en-beneficio-humano
13. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1909-
97622007000100004
14. http://files.uladech.edu.pe/docente/02659781/IA/S03/01_CONTROL_ROBO
T.pdf
15. http://oa.upm.es/215/1/10200404.pdf
16. http://repositorio.espe.edu.ec/bitstream/21000/4939/1/T-ESPE033009.pdf
17. http://www.redalyc.org/html/145/14503005/
18. http://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/view/561
3/4870
19. https://dialnet.unirioja.es/servlet/articulo?codigo=6299787
20. https://dialnet.unirioja.es/servlet/articulo?codigo=4814376
21. https://revistas.unal.edu.co/index.php/bolma/article/view/34992
22. http://cybertesis.uni.edu.pe/handle/uni/97
23. http://alicia.concytec.gob.pe/vufind/Record/PUCP_4f960a75347827a8840a3
1a772e202d3
24. https://elcomercio.pe/blog/vidayfuturo/2017/12/la-importancia-de-lasredes-
neuronales
ANEXO

PORTECENTAJE DEL TURNITING