BENEFICIOS

 Las RNA se utilizan para construir las funciones discriminadoras y de

clasificación, cuando no son evidentes las reglas de decisión del sistema. Las
RNA son modelos matemáticos inspirados en el comportamiento de las
neuronas biológicas. Aunque dichos modelos están lejos de realmente modelar
al sistema nervioso de los seres vivos, presentan características que les permiten
aprender a través de ejemplos, además de abstraer y generalizar conceptos.
 RNA Contienen elementos donde la salida de una neurona se usa directa o
indirectamente como entrada a sí misma. El valor de salida de una neurona se
determina por los valores de entrada y salidas de pasos de ejecución anteriores
en el tiempo, por lo que son sistemas dinámicos
 RNA resolver situaciones en las cuales la entrada puede ser confusa,
incompleta, engañosa, ruidosa o ambigua, o puede aún tener algunos datos
alterados o erróneos, por consiguiente dicha característica llega a ser altamente
significativa.
 La evolución del aroma y sabor durante la maduración del queso es un proceso
complejo en el cual intervienen la microflora presente y diversas reacciones
químicas y bioquímicas que generan alcoholes, ácidos, cetonas, fenoles y ácidos
grasos libres, entre otros compuestos, a partir de la lactosa, la grasa y las
proteínas. Sin embargo, cada tipo de queso posee un aroma característico de su
proceso de elaboración, y en consecuencia la nariz electrónica ha sido empleada
en múltiples aplicaciones en el control de calidad de varios tipos de quesos
ayudando a las industrias en la producción de lácteos.
 Las redes neuronales artificiales son programas computacionales haciendo que
sean más fácil a los trabajadores para que simulen el comportamiento básico de
un número limitado de neuronas biológicas, usando abstracciones matemáticas y
algoritmos computacionales que mantengan las características y relaciones entre
ellas conocidas por la biología.
 las Redes Neuronales Artificiales, para clasificar la leche cruda decepcionada,
según su contenido de células somáticas, a través de sus propiedades físico-
químicas y de composición, fomentando mas el trabajo en grupo.
 Las células somáticas a partir de las propiedades fisicoquímicas y de
composición de la leche, utilizando las Redes Neuronales Artificiales, puede
permitir a los laboratorios de análisis y de control de calidad, disponer de una
nueva herramienta, producto del avance de la tecnología computacional. Lo
señalado hará posible una mayor eficiencia al disminuir el tiempo y los costos
que involucra el conteo celular mediante los métodos tradicionales.

IMPACTOS
Las RNA son consideradas actualmente como alternativa a los programas
convencionales gracias a su capacidad de aprendizaje y adaptación. Se exploran
paradigmas computacionales y se diseñan sistemas resistentes a errores, con lo que se
presentan nuevos problemas y desafíos y un nuevo potencial en el diseño y control de
sistemas adaptativos, agentes artificiales autónomos y vida artificial en general,
ayudando así a disminuir los gastos económicos.
Las RNA presentan un amplio espectro de aplicaciones, muchas ya descritas en la
literatura, como por ejemplo: previsión del tiempo, predicción de riesgos crediticios,
marketing, análisis de olor y aroma, predicción de consumo eléctrico y de gas, control
de la línea de producción, desarrollo de medicamentos, control de calidad ayudando al
ambiente de una forma indirecta.
En la área científica Las Redes neuronales artificiales (RNA), es la variabilidad de los
datos; por este motivo, es que la selección de las propiedades fisicoquímicas y de
composición se realizó calculando, para cada una de ellas, el coeficiente de variación,
ya que de todas las propiedades que son analizadas en una muestra de leche, algunas
presentan poca variabilidad en sus resultados. Cuando se cumple tal condición los datos
no son tomados en cuenta en la fase de entrenamiento de la RNA.
En lo social la demanda de energía en la empresa eléctrica de Riobamba. Así, los resultados
de la investigación se solventan en el diseño e implementación de la red neuronal
Backpropagation para la predicción de la demanda de energía eléctrica, modelo que podrá ser
aplicable en entornos similares