Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ingeniería Robótica
Red neuronal
25 DE JULIO DE 2022
MAYO-AGOSTO 2022
Integración de Sistemas Mecatrónicos y Robóticos
Unidad II Proyecto Red Neuronal
Para empezar
Introducción
Marco teórico
Conceptos clave
Aprendizaje automático
El aprendizaje automático es un nuevo paradigma de
programación.
ser programado.
Capas y neuronas
Las redes neuronales se separan en capas, cada capa puede
tener una o más neuronas, cualquier red tiene al menos una
capa de entrada para recibir los datos de entrada y también
debe tener una capa de salida donde se obtiene el resultado
calculado. En redes más elaboradas se cuenta además con
capas intermedias llamadas ocultas.
El funcionamiento básico de una red neuronal es el siguiente: el dato de entrada en la neurona se multiplica por el peso de la
conexión entre neuronas a ese resultado, se le suma el sesgo y de esta manera se determina el resultado.
Las redes neuronales más complejas, cuentan con muchas capas, miles de neuronas y millones de conexiones.
El proceso de aprendizaje automático, comienza asignando de manera aleatoria los valores del peso de la conexión y el
sesgo, posteriormente la red neuronal va tomando uno a uno los datos de entrada para realizar su respectiva predicción,
corroborar con la salida y ajustar de manera automática los valores del peso y sesgo en cada prueba.
Paso 5. Una vez que la red ha terminado su entrenamiento, se puede utilizar para hacer predicciones con nuevos datos y
obtener los resultados esperados.
“Red neuronal”.
Planteamiento del problema
Estrategia de solución
La red neuronal se diseña empleando Python y la librería Keras la arquitectura de la red neuronal
(cuantas neuronas en la capa de entrada, cuentas en capas intermedias y cuantas en la capa de
salida).
Se entrena la red con los sets de datos empleando el entorno Tensor Flow y se obtiene el modelo
resultante.
Lista de materiales
Computadora personal
Google Colab Keras Tensor Flow
(Windows 7 o Windows 10)
1. Importamos librerias
Integración de Sistemas Mecatrónicos y Robóticos
Unidad II Proyecto Red Neuronal
c)En este ciclo for busca todas las carpetas y va contando todas las
imágenes que se encuentre.
d) Al final nos indica el número total de imágenes que hay en todas las
carpetas.
4. Etiquetamos en subcarpetas.
Integración de Sistemas Mecatrónicos y Robóticos
Unidad II Proyecto Red Neuronal
19. Importamos las librerías para ibm watson y para reproducir audio y
posteriormente comenzar con la captura de imágenes y dependiendo del resultado,
reproducir un determinado audio.
Integración de Sistemas Mecatrónicos y Robóticos
Unidad II Proyecto Red Neuronal
Integración de Sistemas Mecatrónicos y Robóticos
Unidad II Proyecto Red Neuronal
Integración de Sistemas Mecatrónicos y Robóticos
Unidad II Proyecto Red Neuronal
Conclusión
La red fue diseñada con éxito sin embargo no tiene un aprendizaje, pero solo se
entreno para poder clasificar algunos objetos de manera correcta.
Finalmente vemos la gran utilidad que tienen y el campo que pueden llegar a
abarcar ya que como reconocimiento de patrones y la habilidad para clasificar en
base a ellos, podemos llegar a aplicaciones muchos más complejas. De la manera
como se diseñó esta red, se tiene también muchas más aplicaciones a cualquier
parte y en cualquier forma.
Referencias
[1] Ringa Tech. (2022, 27 de julio). Tu primera red neuronal en Python y Tensor Flow [Video].
YouTube. https://www.youtube.com/watch?v=iX_on3VxZzk.
[2] Ringa Tech. (2022, 27 de julio). Tu primer clasificador de imágenes con Python y Tensorflow
[Video]. https://www.youtube.com/watch?v=j6eGHROLKP8