Nicolas Guerrero penha

Redes Neuronales
 Neurona
Una neurona es una célula componente
principal del sistema nervioso, cuya
función principal es recibir, procesar y
transmitir información a través de
señales químicas y eléctricas gracias a la
excitabilidad eléctrica de su membrana
plasmática. Están especializadas en la
recepción de estímulos y conducción del
impulso nervioso (en forma de potencial
de acción) entre ellas mediante
conexiones llamadas sinapsis, o con otros
tipos de células como, por ejemplo, las
fibras musculares de la placa motora.
Función de las neuronas
Las neuronas tienen la capacidad de comunicarse con
precisión, rapidez y a larga distancia con otras células, ya
sean nerviosas, musculares o glandulares. A través de las
neuronas se transmiten señales eléctricas denominadas
impulsos nerviosos.
Estos impulsos nerviosos viajan por toda la neurona
comenzando por las dendritas hasta llegar a los botones
terminales, que se pueden conectar con otra neurona, fibras
musculares o glándulas. La conexión entre una neurona y
otra se denomina sinapsis.
Las neuronas conforman e interconectan los tres
componentes del sistema nervioso: sensitivo, motor e
integrador o mixto; de esta manera, un estímulo que es
captado en alguna región sensorial entrega cierta información
que es conducida a través de las neuronas y es analizada por
el componente integrador, el cual puede elaborar una
respuesta, cuya señal es conducida a través de las neuronas.
Dicha respuesta es ejecutada mediante una acción motora,
como la contracción muscular o secreción glandular
 Redes neuronales

Una red neuronal se define como una población de neuronas físicamente interconectadas o un grupo
de neuronas aisladas que reciben señales que procesan a la manera de un circuito reconocible. La
comunicación entre neuronas implica un proceso electroquímico,15​ mediante el cual una vez que
una neurona es excitada a partir de cierto umbral, ésta se despolariza transmitiendo a través de su
axón una señal que excita a neuronas aledañas, y así sucesivamente. El sustento de la capacidad del
sistema nervioso, por tanto, radica en dichas conexiones. En oposición a la red neuronal, se habla de
circuito neuronal cuando se hace mención a neuronas que se controlan dando lugar a una
retroalimentación (feedback), como define la cibernética.
 Redes neuronales artificiales
Las redes neuronales artificiales son un modelo
computacional vagamente inspirado en el
comportamiento observado en su homólogo
biológico​. Consiste en un conjunto de unidades,
llamadas neuronas artificiales, conectadas entre sí
para transmitirse señales. La información de
entrada atraviesa la red neuronal produciendo unos
valores de salida.

Cada neurona está conectada con otras a través de

unos enlaces. En estos enlaces el valor de salida de
la neurona anterior es multiplicado por un valor de
peso.
 Neurona artificial

•  
La neurona de McCulloch-Pitts es una unidad de cálculo que intenta modelar el comportamiento de una neurona
"natural", similares a las que constituyen del cerebro humano. Ella es la unidad esencial con la cual se construye una
red neuronal artificial.
El resultado del cálculo en una neurona consiste en realizar una suma ponderada de las entradas, seguida de la
aplicación de una función no lineal, como se ilustra en la siguiente figura:
Esto se expresa matemáticamente como:
o=s(red)
siendoː
• r e d = .es la suma ponderada
• es el valor de la i-ésima entrada (input).
• es el peso (weights) de la conexión entre la i-ésima entrada y la neurona.
• el valor umbral (threshold)
• o es la salida (output) de la neurona.
• s es la función no lineal conocida como función de activación.
 Usos de las neuronas
• Permite hacer funciones lógicas.
• Primera aproximación a las redes neuronales.
• Capacidad de computación universal (puede simular cualquier programa computable).
 Modelos
Los modelos de redes neuronales en la inteligencia artificial se refieren generalmente a las redes
neuronales artificiales (RNA); estos son modelos matemáticos esencialmente simples que definen
una función f:X→Y o una distribución más X o ambos X e Y. Pero a veces los modelos también
están íntimamente asociadas con un algoritmo de aprendizaje en particular o regla de aprendizaje.

• Función de red
• El aprendizaje
• Elección de una función de coste
• Paradigmas de aprendizaje
 Aplicaciones en la vida real
Las tareas se aplican a las redes neuronales artificiales tienden a caer dentro de las siguientes categorías generales:
• Aproximación de funciones, o el análisis de regresión, incluyendo la predicción de series temporales, funciones de
aptitud y el modelado.
• Clasificación, incluyendo el reconocimiento de patrones y la secuencia de reconocimiento, detección y de la toma de
decisiones secuenciales.
• Procesamiento de datos, incluyendo el filtrado, el agrupamiento, la separación ciega de las señales y compresión.
• Robótica, incluyendo la dirección de manipuladores y prótesis.
• Ingeniería de control, incluyendo control numérico por computadora.

Las áreas de aplicación incluyen la identificación de sistemas y el control (control del vehículo, predicción de trayectorias​,
el control de procesos, manejo de recursos naturales), la química cuántica, juegos y la toma de decisiones (backgammon,
ajedrez, póquer ), el reconocimiento de patrones (sistemas radar, reconocimiento facial, clasificación de señales,​
reconocimiento de objetos y más), de reconocimiento de secuencia (gesto, voz, reconocimiento de texto escrito a mano),
diagnóstico médico , aplicaciones financieras (por ejemplo, sistemas automatizados de comercio (trading algorítmico) ),
minería de datos (o descubrimiento de conocimiento en bases de datos, "KDD"), la visualización, traducción automática,
diferenciando entre informes deseados y no deseados en redes sociales, prevención de spam (correo basura) de correo
electrónico.
Una red neuronal artificial Una red artificial de alimentación directa de
feedforward de dos capas dos capas neuronales con 8 entradas, 2x8
ocultos y 2 salidas