Introducción a las Redes

Neuronales
 Tabla de Contenido
• Neuronas Naturales
• Neuronas Artificiales
 ¿Inteligencia?
• Es la facultad que tienen las personas
de conocer, analizar, comprender
situaciones.
• Es un conjunto de habilidades,
destrezas y experiencias sobre cierto
dominio.
• Es la capacidad de resolver
problemas.
 Aspectos de la Inteligencia Natural
1. Percepción y Aprendizaje
2. Memoria y Asociación
3. Comunicación
4. Solución de problemas
5. Razonamiento
6. El pensamiento abstracto.
7. Conciencia
8. Imaginación o Creatividad
 El Cerebro Humano
• Gran velocidad de proceso
• Trata gran cantidad de información
– Los sentidos
– Memoria almacenada
• Capacidad de tratar situaciones
nuevas
• 1011 Neuronas (procesadores)
• Capacidad de aprendizaje • 1000 – 10000 conexiones
• Almacenamiento redundante. por neurona
• Capacidad basada en las
• No binario, no estable y no conexiones.
síncrono. • Cada neurona es muy
compleja.
NEURONAS NATURALES
 ¿Cómo funciona ?
Neuronas

Sonido

Conexiones
Sabor

Olor

Color

Tersura
 La Neurona
• Dendritas de entradas
• Un axón de salida dendrita axón
terminal
• Sinapsis de conexión. nódulo de
Ravier
neurona
• 104 sinapsis por neurona
• Comunicación mediante
Potenciales de Acción (PA) célula de
schwann
axón
envoltura de
núcleo mielina
 Conexiones Neuronales

Dendritas
Axon

Señal
(Información)
Cuerpo

Sinapsis
 Sinapsis
• Región donde las neuronas entran en
contacto

– Los impulsos son transmitidos desde el axón de

una neurona hacia las dentritas de otra neurona.

axón dendrita
NEURONAS ARTIFICIALES

Wij2 Wij3
Wij1 3
u1 1 6 y1
4
u2 2 7 y2
5
 Red Neuronal Artificial (RNA)
• Es un sistema de procesamiento de información que tiene
propiedades inspiradas en las redes neuronales biológicas:
– El procesamiento de información ocurre en muchos
elementos simples llamados neuronas.
– Las señales son transferidas entre neuronas a través de
enlaces de conexión.
– Cada conexión tiene un peso asociado representando la
sinapsis.
– Cada neurona aplica una función de activación a su
entrada de red (suma de entradas pesadas) para
determinar su salida, representando la generación de
potenciales de acción.
Red Neuronal
Arquitectura

Neuronas intermedias

Neuronas de Neuronas de
Entrada salída

Conexiones
 Modelo Neuronal

Elemento Procesador

Xi
net u Yu

Wiu n
net u= X W
i =1
i iu Yu = f (netu)

Yu = f (  Xi W
i =1
iu )
 Neurona Natural vs. Artificial

• Neurona = Unidad de procesamiento

• Dendritas = entradas (X)
• Axón = salidas (Y)
• Conexiones sinápticas = Conexiones con pesos (W)
APLICACIONES
 Aplicaciones
• Se usan para el reconocimiento de patrones.
• Problemas donde más importante es el patrón que los
datos exactos.

• Aplicaciones:
1. Clasificación.
2. Predicción
3. Clustering (Agrupamiento)
4. Aproximación de curvas
 1. Clasificación
• Clasifica objetos en un número finito • Árboles de
decisión.
de clases, dado sus propiedades.
• Busca una función de mapeo que
• Reglas de
permita separar la clase 1 de la clase Asociación.
2 y esta de la clase 3…
• El número de clases es finito. • Redes
Neuronales.

• Clasificador
Bayesiano.

• Razonamiento
basado en
casos
 Otras Aplicaciones
Financial Science
• Stock Market Prediction • Chemical Compound Identification
• Credit Worthiness • Physical System Modeling
• Credit Rating • Polymer Identification
• Bankruptcy Prediction • Recognizing Genes
• Property Appraisal • Botanical Classification
• Fraud Detection • Signal Processing: Neural Filtering
• Price Forecasts • Biological Systems Analysis
• Economic Indicator Forecasts • Ground Level Ozone Prognosis
• Odor Analysis and Identification
Medical
• Medical Diagnosis Educational
• Detection and Evaluation of • Teaching Neural Networks
Medical Phenomena • Neural Network Research
• Patient's Length of Stay Forecasts • College Application Screening
• Treatment Cost Estimation • Predict Student Performance
• Data Mining
Industrial
• Process Control Energy
• Quality Control • Electrical Load Forecasting
• Temperature and Force Prediction • Energy Demand Forecasting
• Short and Long-Term Load Estimation
• Predicting Gas/Coal Index Prices
• Power Control Systems
• Hydro Dam Monitoring
http://www.alyuda.com/products/neurofusion/neural-network-applications.htm
Prediction
• Classification
• Change and Deviation Detection
• Knowledge Discovery
• Response Modeling
• Time Series Analysis
Sales and Marketing
• Sales Forecasting
• Targeted Marketing
• Service Usage Forecasting
• Retail Margins Forecasting
Operational Analysis
• Retail Inventories Optimization
• Scheduling Optimization
• Managerial Decision Making
• Cash Flow Forecasting
HR Management
• Employee Selection and Hiring
• Employee Retention
• Staff Scheduling
• Personnel Profiling