Auxiliar: Sesión 10 y 11

Trabajo en equipo - Grupo 7

Tipo de RNA Multicapa: definiciones, funcionamiento, aplicaciones actuales.

Machine Learning y las redes neuronales.

Integrantes:
● Cantelli Salazar, Fernando Antonio
● Delgado Marruffo, Sthefany
● Horna Martinez Brayan
● López Romero, Maricarmen
● Torres Valdera, Dambert
 Tipo de RNA Multicapa: definiciones,
funcionamiento, aplicaciones actuales.
 RNA Multicapa

es una

Red neuronal Características

Capa de Estructura altamente no lineal

Entrada
Al menos una Tolerancia a fallos
Capa Oculta
Puede relacionar dos conjuntos de datos
Capa de
Salida
Existe la posibilidad de
implementación hardware
[8]
Optimizador Multi-verso: DEFINICIÓN

[2]
 Optimizador Multi-verso:Funcionamiento

1. Se supone que cada solución es análoga a un universo y a su

vez cada variable en la solución es un objeto en ese universo.
2. Se asigna a cada solución una tasa de inflación(ROI), que es
proporcional al valor de la función de aptitud
correspondiente de la solución
3. Se aplican las siguientes reglas:
- A mayor tasa de inflación, mayor probabilidad de tener agujero
blanco.
- A mayor tasa de inflación, menor probabilidad de tener agujeros
negros.
- Los universos con una tasa de inflación más alta tienden a enviar
objetos a través de agujeros blancos.
- Los universos con una tasa de inflación más baja tienden a
recibir más objetos a través de los agujeros negros.
- Los objetos en todos los universos pueden enfrentar un
movimiento aleatorio hacia el mejor universo a través de
agujeros de gusano, independientemente de la tasa de inflación.

[2]
 Optimizador Multi-verso:Aplicaciones Actuales

Diseño de piezas
mecánicas
Optimizador Agujero Negro: DEFINICIÓN

Es un método basado
en la población

Algoritmo
Agujero Negro
Se genera una población de soluciones candidatas a
un problema dado y se distribuye aleatoriamente en
el espacio de búsqueda.
Algoritmo Agujero Negro: Funcionamiento

1. Comienza con una población inicial de soluciones candidatas a un problema de

optimización y una función objetivo que se calcula para ellas.
2. En cada iteración del algoritmo, se selecciona el mejor candidato para ser el agujero
negro y el resto forman las estrellas normales.
3. Después del proceso de inicialización, el agujero negro comienza a atraer estrellas a su
alrededor.
4. Si una estrella se acerca demasiado al agujero negro, será tragada por el agujero negro
y desaparecerá para siempre.
5. En tal caso, se genera aleatoriamente una nueva estrella (solución candidata) y se
coloca en el espacio de búsqueda y comienza una nueva búsqueda.
Algoritmo Agujero Negro: Aplicaciones Actuales

- Reconocimiento de Iris
- Diseño de copa de vino
- Detección de cáncer de mama
- Reconocimiento de vocales
- Elección de métodos anticonceptivos
 INTELIGENCIA
ARTIFICIAL Permite que las máquinas aprendan sin ser
Una máquina intenta imitar al cerebro expresamente programadas para ello. [4]
humano utilizando redes neuronales
artificiales con más de tres capas que le
permiten hacer predicciones con mayor
precisión y complejidad.
MACHINE LEARNING
Aprenden automáticamente, reconocen
patrones y predicen comportamientos, a
partir de conjuntos de datos. [5]

Redes
neuronales
DEEP LEARNING

Sistemas de procesamiento
de la información. [6]
Referencias Bibliográficas
[1] [1] D. Mercado, L. Pedraza, and E. Martinez, “Comparación de Redes Neuronales aplicadas a la predicción de Series de Tiempo,” Vista de Comparación de Redes

Neuronales aplicadas a la predicción de series de tiempo., http://ojs.uac.edu.co/index.php/prospectiva/article/view/491/387 (accessed Jun. 7, 2023).

[2] S. Mirjalili, S. M. Mirjalili, and A. Hatamlou, “Multi-verse optimizer: A nature-inspired algorithm for global optimization - neural computing and

applications,” SpringerLink, https://link.springer.com/article/10.1007/s00521-015-1870-7 (accessed Jun. 7, 2023).

[3] F. Yang, H. Moayedi, and A. Mosavi, “Predicting the degree of dissolved oxygen using three types of multi-layer perceptron-based artificial neural

networks,” MDPI, https://www.mdpi.com/2071-1050/13/17/9898 (accessed Jun. 7, 2023).

[4] "Te contamos qué es el 'machine learning' y cómo funciona". BBVA NOTICIAS.

https://www.bbva.com/es/innovacion/machine-learning-que-es-y-como-funciona (accedido el 6 de junio de 2023).

[5] "Machine Learning". IBM - Deutschland | IBM. https://www.ibm.com/mx-es/analytics/machine-learning (accedido el 6 de junio de 2023).

[6] X. Gao et al., “Black Hole: A new heuristic optimization approach for data clustering,” Information Sciences,

https://www.sciencedirect.com/science/article/abs/pii/S0020025512005762 (accessed Jun. 7, 2023).

[7] Universidad Carlos III de Madrid, “Introducción a las redes neuronales aplicadas”, https://halweb.uc3m.es/esp/personal/personas/jmmarin/esp/dm/tema3dm.pdf
[8] Universidad Internacional de La Rioja, “Algoritmo backpropagation: Funciones y aplicaciones,” UNIR,
https://www.unir.net/ingenieria/revista/backpropagation/ (accessed Jun. 7, 2023).