Redes Neuronales

Gioberti Lanfranco 2014-0217

Erick Cuevas
Gedwin Jimenez 2014-1276
Victor Zena 2014-1296
Que Son?

 Las redes neuronales son un modelo computacional basado en un gran conjunto de

unidades neuronales simples, de forma aproximadamente análoga al comportamiento
observado en los axones de las neuronas en los cerebros biológicos. Cada unidad
neuronal está conectada con muchas otras y los enlaces entre ellas pueden incrementar
o inhibir el estado de activación de las neuronas adyacentes. Cada unidad neuronal, de
forma individual, opera empleando funciones de suma.
Como Funcionan?

 El análisis predictivo se utiliza hoy día en numerosas ocasiones como sinónimo del término
"aprendizaje automático", también conocido como machine learning. Si hay una
técnica en análisis predictivo que captura este aspecto más que cualquier otro, es el
modelado de redes neuronales artificiales. Su funcionamiento se basa en el aprendizaje,
una búsqueda iterativa de los coeficientes o pesos dados a inputs y outputs.
Aproximación
Previsión
Clasificación
Agrupación

 La agrupación es otra forma de

clasificación, donde se desconoce el
número de clases antes de forma previa.
Por tanto, el trabajo de las redes
neuronales artificiales para la agrupación
es similar a la clasificación de registros.
El uso de
las redes
neuronales
artificiales
en la
empresa
Tipos de Redes Neuronales

 Red Back Propagation

 Aprendizaje Asociativo
 Redes Competitivas
 Red Back Propagation

La Backpropagation es un tipo de red que emplea un ciclo

propagación de adaptación de dos fases. Una vez que se ha
aplicado un patrón a la entrada de la red como estímulo, este se
propaga desde la primera capa a través de las capas superiores de la
red, hasta generar una salida. La señal de salida se compara con la
salida deseada y se calcula una señal de error para cada una de las
salidas.
Red Back Propagation
Aprendizaje Asociativo

Las redes con aprendizaje no supervisado (también conocido como auto-supervisado) no

requieren influencia externa para ajustar los pesos de las conexiones entre sus neuronas, la
red no recibe ninguna información por parte del entorno que le indique si la salida
generada en respuesta a una determinada entrada es o no correcta, por ello suele decirse
que estas redes son capaces de auto organizarse.
Estas redes deben encontrar las características, regularidades, correlaciones o categorías
que se puedan establecer entre los datos que se presenten en su entrada; puesto que no
hay supervisor que indique a la red la respuesta que debe generar ante una entrada
concreta.
Redes Competitivas

En las redes con aprendizaje competitivo (y cooperativo), suele decirse que las neuronas
compiten (y cooperan) unas con otras con el fin de llevar a cabo una tarea dada. Con este
tipo de aprendizaje se pretende que cuando se presente a la red cierta información de
entrada, sólo una de las neuronas de salida de la red, o una por cierto grupo de neuronas,
se active (alcance su valor de respuesta máximo). Por tanto las neuronas compiten para
activarse quedando finalmente una, o una por grupo, como neurona vencedora y el resto
quedan anuladas y siendo forzadas a sus valores de respuesta mínimos.
Clasificacion de las redes neuronales

 Redes neuronales monolíticas: Estas se caracterizan por poseer un espacio reducido.

 Redes neuronales múltiples: poseen una arquitectura fuertemente separada, trabajan
independientemente sobre un dominio propio.
 Redes neuronales modulares: es una red constituida usando módulos.
Diferencias de redes neuronales y
Sistemas Expertos

 Los Sistemas expertos necesitan intervencion de humanos mientras que las redes
neuronales no.
 Las Redes neuronales pueden aprender a reconocer los patrones que se le indica.
 Los sistemas expertos no pueden aprender por si mismos.
 Las redes neuronales permite la optimizacion de procesos y recursos en el area donde se
vaya a implementar.
 Grandes expectativas en el futuro y sus posibles usos indefinidos.