REDES NEURONALES

ARTIFICIALES
Las redes neuronales son un modelo para
encontrar esa combinación de parámetros y
aplicarla al mismo tiempo. En el lenguaje
¿QUE SON REDES propio, encontrar la combinación que mejor
se ajusta es "entrenar" la red neuronal. Una
NUERONALES? red ya entrenada se puede usar luego para
hacer predicciones o clasificaciones, es decir,
para "aplicar" la combinación.

Estos sistemas aprenden y se forman a sí

mismos, en lugar de ser programados de forma
¿ UNA NEURONA explícita, y sobresalen en áreas donde la
detección de soluciones o características es
ARTIFICIAL? difícil de expresar con la programación
convencional. Para realizar este aprendizaje
automático, normalmente, se intenta minimizar
una función de pérdida que evalúa la red en su
total.

paralelismo masivo
tolerancia a fallos y procesamiento o
CARACTERISTICAS memoria distribuida
aprendizje
RNA mediante ejemplos organizacion propia
adaptabilidad
facilidad de simulacion

Entrenar una red neuronal consiste en ajustar

CONEXICION ENTRE cada uno de los pesos de las entradas de todas
las neuronas que forman parte de la red
NEURONAS neuronal, para que las respuestas de la capa de
salida se ajusten lo más posible a los datos que
RNA conocemos.

basadas en la desicion
APRENDIZAJE de aproximacion optamizacion
SUPERVISADO

APRENDIZAJE entrenamiento competitivo

redes asociativas de pesos fijos
NO SUPERVISADO

Un Perceptron es un algoritmo para el

aprendizaje supervisado de clasificadores
PERCEPTRON binarios. Este algoritmo permite que las
neuronas aprendan y procesen los
1958 elementos del conjunto de entrenamiento
de uno en uno. Hay dos tipos de
perceptrones: una capa y varias capas. Los
perceptrones de una sola capa solo pueden
aprender patrones linealmente separables.

Para poder hacer aprender cosas a un

MULTICAPAS Perceptrón de este tipo, se implementó el
PERCEPTRON algoritmo de BackPropagation, que tal
como su nombre indica tiene la función de
1965 ir propagando los errores producidos en
la capa de salida hacia atrás

https://www.simplilearn.com/what-is-perceptron-tutorial
http://www.cs.us.es/~fsancho/?e=77
 es un algoritmo para el aprendizaje
supervisado de redes neuronales
artificiales mediante el descenso de
gradientes . Dada una red neuronal
BACKPROPAGATION artificial y una función de error , el
método calcula el gradiente de la función
1986 de error con respecto a los pesos de la
red neuronal. Es una generalización de la
regla delta para perceptrones a redes
neuronales de alimentación directa
multicapa.

Las RNA han sido aplicadas a un

creciente numero de problemas con una
complejidad considerable, como puede
CAMPOS DE ser el reconocimiento de patrones,
clasificación de datos, predicciones,
APLICACION etc.. Su ventaja más importante está en
solucionar problemas que son
demasiado complejos para las técnicas
convencionales

Predicción de índices
Detección de fraudes
Finanzas Riesgo crediticio, clasificación
Predicción de la rentabilidad
de acciones

Negocios Marketing
Venta cruzada
Campanas de venta

Ayuda al diagnóstico
MEDICINA Y SALUD Análisis de imágenes
Desarrollo de medicamentos
Distribución de recursos

· ANÁLISIS DE DATOS I CLASIFICACIÓN

CIENCIA E · INGENIERÍA QUÍMICA
INGENIERÍA INGENIERÍA ELÉCTRICA
CLIMATOLOGÍA

Control de procesos
INDUSTRIA
Control de calidad
MANUFACTURERA
Control de robots