Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ARTIFICIALES
Objetivo General
Introducir a los estudiantes en los temas fundamentales de
las Redes Neuronales Artificiales y desarrollar habilidades
para su uso e implementacin en la solucin de diferentes
problemas.
Objetivos Especficos
Conocer la inspiracin biolgica de las Redes Neuronales
Artificiales (RNA) y sus fundamentos.
Entender el funcionamiento de los modelos mas populares de
las RNA.
Identificar en que tipo de problemas pueden ser aplicados
modelos de RNA.
Inspiracin Biolgica
Antes de abordar el estudio de las RNA es conveniente
exponer algunos conceptos bsicos de los sistemas
neuronales biolgicos. Esto con el fin de establecer el
paralelismo existente entre ambos.
Inspiracin Biolgica
El Cerebro Humano
Capacidad de aprendizaje
Almacenamiento distribuido.
No binario, no estable y no
secuencial.
Poder desconocido
1011 Neuronas
(procesadores)
1000 10000 conexiones
por neurona
Capacidad basada en las
conexiones.
Cada neurona es muy
compleja.
Inspiracin Biolgica
Neurona
Dendritas de entradas
Un axn de salida
Sinapsis de conexin.
Inspiracin Biolgica
Inspiracin Biolgica
Generacin y transmisin de la seal nerviosa
Inspiracin Biolgica
Potencial de accin
Si se supera un umbral de
disparo se genera un potencial
de accin.
Se
utilizan
para
llevar
informacin entre neuronas.
Inspiracin Biolgica
Potencial de accin
No todas las neuronas se disparan generando un tren de pulsos
de una frecuencia aproximadamente constante, pues la
presencia de otras especies inicas hace que diferentes neuronas
posean patrones de disparo distintos:
trenes puros.
Paquetes
de pulsos.
Presentando
Inspiracin Biolgica
Aprendizaje
Existen diversas formas de aprendizaje:
Establecimiento
de nuevas conexiones.
Ruptura de conexiones.
Muerte neuronal.
Intensidad sinptica.
Este tipo de acciones, en especial la intensidad sinptica, sern
las que utilicen la redes neuronales artificiales para llevar a cabo
el aprendizaje.
Cerebro Vs Computador
Computador
Cerebro
Ejecucin de modo
secuencial.
Memoria distribuida.
Redundancia de informacin,
por lo cual hay tolerancia a
fallas.
Cerebro Vs Computador
Computador
Cerebro
Cerebro Vs Computador
Conclusin 1
Los seres humanos no tienen mucho xito en tareas que las
computadoras convencionales realizan excelentemente, y
viceversa.
Conclusin 2
Los
sistemas
biolgicos
utilizan
estrategias
de
procesamiento muy diferentes a los sistemas de cmputo
convencionales.
Paralelismo de calculo.
Memoria distribuida.
Adaptabilidad al entorno.
Conjunto de entradas,
Xj(t).
Regla de propagacin
de activacin
estado de activacin
neurona i, en funcin
potencial post sinptico actual.
Funcin de salida
Fi(ai(t)),
ai(t) =fi(hi(t))