ESTADO DEL ARTE

1. DEFINICIÓN
“Las nuevas teorías de procesamiento de información buscan cubrir las carencias que
muestran los sistemas actuales de cómputo en la resolución de diversos problemas, los cuales
son cada vez más complejos y sofisticados, debido a la gran cantidad de variables que deben
manejar y a la dificultad intrínseca del problema. La inteligencia artificial es un claro ejemplo
de esto, y de cómo dichas teorías van desplazando a las actuales pues presentan una mejor
eficacia en estos campos.
Dentro de este grupo, se encuentran las redes neuronales artificiales, las cuales pretenden
emular el comportamiento del cerebro en el procesamiento de información. Estas redes se
conforman de varios elementos de procesamiento simples llamados neuronas, quienes se
encuentran conectadas entre sí y procesan la información con un paralelismo masivo,
logrando resolver varios y diversos problemas en distintas aplicaciones de diferentes áreas.
Para tal fin, las redes neuronales son implementadas tanto en software como en hardware
según la aplicación. De esta forma, si es una actividad estática, se cuenta con un computador
y el tiempo de procesamiento no es crítico, una aplicación en software será la adecuada;
mientras que, si se requiere un procesamiento veloz o en tiempo real, se necesita de un equipo
portátil, ligero y de pequeñas dimensiones, una implementación en hardware es la mejor
opción. Según esto, el desarrollo de redes neuronales implementadas en hardware presenta
un amplio campo de acción tanto a nivel industrial como comercial. Por ello en el siguiente
apartado realizaremos una revisión bibliográfica o la revisión de la literatura que existe sobre
nuestro tema, es decir, las investigaciones que se hallan hecho tanto a nivel nacional como
internacional sobre Redes Neuronales o sus aplicaciones realzadas en los últimos años”.
2. TIPOS DE REDES NEURONALES
a) Redes Neuronales Convolucionales
“Es un tipo de red, que hace una simulación en la forma en que funciona la visión
del hombre, es decir que tiene una modificación que tiene multicapas, y por ello
se le denomina Red neuronal de Convolucionales, esto hace que la red emplee
operaciones matemáticas. Las redes convolucionales son simplemente las redes
neuronales que utilizan convolución en lugar de la multiplicación general de
matrices en al menos una de sus capas”.

Nota. Gráfica de una Red Neuronal Convolucional

b) Redes Neuronales Recurrentes

Son los tipos de redes, que influyen por si mismas, es decir por medio de
recurrencias; es decir que son adecuadas para datos de secuencia, como texto, voz
o series temporales. Tienen conexiones retroactivas, lo que significa que la
información puede persistir en la red, lo que las hace eficaces para tareas que
implican dependencias temporales.
 Nota. Gráfico de red neuronal recurrentes

c) Redes Neuronales Radiales

Las RBFN son útiles en tareas de aproximación de funciones y clasificación.
Utilizan funciones de base radial como funciones de activación.
Estos son solo algunos ejemplos de los tipos de redes neuronales que existen.
Cada tipo tiene sus propias características y aplicaciones específicas, y la elección
del tipo de red depende del problema que se esté tratando de resolver.

Nota. Gráfico de una red neuronal radial