Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Artificiales
Informática VI
Las redes neuronales se forman en las primeras fases de desarrollo del cerebro
gracias al crecimiento y migración de las células nerviosas.
Sistema Nervioso
Comunicación - Sinapsis
El proceso de la sinapsis ocurre cuando las neuronas se
comunican entre sí o con alguna otra célula. Esto ocurre
mediante la transmisión de un impulso nervioso, es decir, la
segregación por la célula emisora de una descarga química en su
membrana, que ocasiona una descarga eléctrica percibida por el
axón de la neurona.
Células Sociales
Las neuronas son células sociales que, a la larga, mueren de
forma aislada.
MARCO HISTORICO
Paul Werbos fue la primera
A Frank Rosenblatt se le persona en Estados Unidos
atribuye el desarrollo del en observar la aplicación de
perceptrón. la retropropagación dentro de
Un modelo probabilístico par redes neuronales
a almacenamiento de informa
ción y organización en el cer
ebro
1943 1958 1960 1974 1977
Conjunto de Conjunto de
Entradas Funciones
Enlaces o interconexiones por donde
reciben información del exterior de la ❏ Función de propagación:
red o de otras neuronas relaciona matemáticamente los
valores de las entradas
Salida de la ❏ Función de activación:
determina si la neurona está
Neurona activa o no
❏ Función de transferencia:
Enlace o interconexión por donde
modula o adapta el valor
entrega el resultado al exterior de la
calculado de salida de la neurona
red neuronal u otras neuronas
Clasificación / Tipos
En base a su estructura:
Concurrentes
La neuronas no se
organizan en capas, sino
que las neuronas están
interconectadas entre ellas
de manera no estructurada
en capas Radiales
Clasificación / Tipos
En función del tipo de aprendizaje:
Supervisado Refuerzo
Se basa en algoritmos que
buscan patrones, relaciones,
tendencias, características
Se realiza mediante
en los datos de entrada para
secuencias de Se le indica si el resultado
ir ajustando los pesos
entrenamiento donde se es aceptable o no para esa
dispone del resultado que secuencia y así se van
debería producir la red ajustando los pesos.
neuronal para cada
secuencia No Supervisado
Las redes neuronales artificiales (ANN) están compuestas por capas de nodos, que
contienen una capa de entrada, una o más capas ocultas, y una capa de salida.
Las redes neuronales dependen de los datos de entrenamiento para aprender y
mejorar su precisión con el tiempo.
Las neuronas están estrechamente interconectadas y organizadas en capas
diferentes. La capa de entrada recibe la entrada, la capa de salida produce el
resultado final.
Estructura
Estructura de una neurona artificial
1 2 y 3 son los valores de entrada de la neurona, y
w1, w2, w3 son los pesos de cada entrada
La velocidad a la que se ajustan esos pesos varía según el número de ejemplos con los que se vaya a
entrenar a la red.
Aprendizaje
Proceso por el cual una red neuronal modifica sus pesos en respuesta a una información de
entrada.
Supervisado
El proceso de aprendizaje se realiza mediante un entrenamiento controlado por un agente externo
(supervisor, maestro) que determina la respuesta que debería generar la red a partir de una entrada
determinada.
➔ Aprendizaje por corrección de error: ajustar los pesos de las conexiones de la red en función de la
diferencia entre los valores deseados y los obtenidos en la salida.
➔ Aprendizaje por refuerzo: se basa en la idea de no disponer de un ejemplo completo del comportamiento
deseado; es decir, de no indicar durante el entrenamiento la salida exacta que se desea que proporcione la
red ante una determinada entrada.
➔ Aprendizaje estocástico: realizar cambios aleatorios en los valores de los pesos y evaluar su efecto a
partir del objetivo deseado y de distribuciones de probabilidad.
Aprendizaje
No Supervisado
No requieren de 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; son capaces de autoorganizarse.
➔ Aprendizaje hebbiano: pretende medir la familiaridad o extraer características de los datos de entrada.
Este aprendizaje consiste básicamente en el ajuste de los pesos de las conexiones de acuerdo con la
correlación de los valores de activación (salidas) de las dos neuronas conectadas. Si las dos unidades son
activas (salida positiva), se produce un reforzamiento de la conexión.
➔ Aprendizaje competitivo y cooperativo: las neuronas compiten unas con otras con el fin de llevar a cabo
una tarea dada. Se pretende que cuando se presente a la red cierta información, sólo una o un grupo de
ellas se activen
Áreas de Aplicación
01 02
Finanzas Negocios
Predicción de índices,
detección de fraude, riesgo Marketing, ventas …
crediticio…
03 04 05
Alimentación Medicina Ciencias
Análisis de olor y aroma, Diágnostico, análisis de
Ingenieria quimica y
desarrollo de alimentos, imágenes, desarrollo de
electrica, climatologia
control de calidad medicamentos
Ejemplos de Aplicaciones ANN
Chatbots Seguridad
Seguridad perimetral para la detección
Como Siri de Apple, Alexa de de intrusiones en tiempo real mediante
Amazon y Cortana de Microsoft el procesado de imagen captada por las
cámaras de videovigilancia
Ejemplos de Aplicaciones ANN
Reconocimiento de
Pronunciación: NETtalk (87)
caracteres
Aprende a pronunciar texto escrito. 29 (Le Cun et al. 89). Una red que lee
unidades de entrada y 80 unidades ocultas. códigos postales en cartas escritas a
1024-palabras de entrenamiento. mano.
Las ANN …
➔ Una red neuronal artificial (ANN) es el componente de la
inteligencia artificial que está destinada a simular el funcionamiento
de un cerebro humano.
➔ Las unidades de procesamiento constituyen ANN, que a su vez consisten
en inputs (entradas) y outputs (salidas). Los inputs son de lo que aprende
la ANN para producir el output.
➔ La retropropagación es el conjunto de reglas de aprendizaje utilizadas
para guiar las redes neuronales artificiales.
➔ Las aplicaciones prácticas para las ANN son a lo largo y amplio,
abarcando finanzas, comunicación personal, industria, educación, etc.
CONCLUSION