Redes Neuronales

Artificiales
Informática VI

Olivares Vega Ana Jesús

 INTRODUCCIÓN
Sin duda, la inteligencia artificial posibilita una disrupción tecnológica sin precedentes que
está cambiando nuestra sociedad de manera vertiginosa. Una red neuronal artificial
(ANN) es la pieza de un sistema informático diseñado para simular la forma en que el
cerebro humano analiza y procesa la información. Es la base de la
inteligencia artificial (IA) y resuelve problemas que resultarían imposibles o difíciles
para los estándares humanos o estadísticos.

Lo que hacen las redes neuronales o inteligencia artificial es imitar el aprendizaje

humano. Nosotros todo que sabemos es gracias a la experiencia de nuestros años de vida.
Cuando nacemos, nuestro cerebro está en blanco y a medida que experimentamos, este se va
llenando de conocimiento y sabiduría. Las redes neuronales funcionan de forma similar. Al
inicializarse, están en blanco y no tienen información valiosa en su interior.
ANN
Una red neuronal artificial es un modelo
matemático formado por diversas operaciones
que tiene como objetivo emular el
comportamiento de nuestras neuronas para
poder aprender a partir de la experiencia, es
decir, de unos datos iniciales
 REDES NEURONALES
Cerebro Humano

Las redes neuronales se forman en las primeras fases de desarrollo del cerebro
gracias al crecimiento y migración de las células nerviosas.

Sistema Nervioso

Trabaja llevando señales químicas y eléctricas que viajan

desde nuestro cuerpo hasta el cerebro y desde el cerebro a
todo nuestro cuerpo. El sistema nervioso está formado por
dos componentes: el sistema nervioso central (SNC),
integrado por el cerebro y la médula espinal; y el sistema
nervioso periférico (SNP), integrado por neuronas que
conectan al SNC con el resto de nuestro cuerpo.
 REDES NEURONALES
NEURONA

Tipo altamente especializado de célula, que compone el sistema nervioso, encargado de

controlar las funciones voluntarias e involuntarias del organismo

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
A Frank Rosenblatt se le
atribuye el desarrollo del
perceptrón.
Un modelo probabilístico par
a almacenamiento de informa
ción y organización en el cer
ebro
1943 1958
Paul Werbos fue la primera
persona en Estados Unidos
en observar la aplicación de
la retropropagación dentro de
redes neuronales
1960 1974 1977

Warren S. McCulloch y Bernard Widrow/Marcial Stephen Grossberg. Teoría de

Walter Pitts publicaron "
Un cálculo lógico de las idea
s inmanentes en la actividad
nerviosa
".
Hoff. Desarrollaron el
modelo Adaline . Esta fue la
primera red neuronal
aplicada a un problema real
Resonancia Adaptada, es
una arquitectura de red,
simula habilidades del
cerebro: memoria a largo y
corto plazo.
 MARCO HISTORICO
Backpropagation. Gracias al
algoritmo de backpropagation
se hizo posible entrenar redes
neuronales de múltiples capas
de manera supervisada

1980s 1986 1989

Yann LeCun publicó un

Aprendizaje automático.
Neuronas Sigmoides, son
similares al perceptron, pero
permiten que las entradas, en
vez de ser ceros o unos,
puedan tener valores reales
documento ilustra cómo el uso de
restricciones en la
retropropagación y su integración
en la arquitectura de red neuronal
se puede utilizar para entrenar
algoritmos
DEFINCIÓN
Las redes neuronales artificiales son un modelo
computacional que permite simular el comportamiento
del cerebro humano, es decir, dotar a las máquinas de la
capacidad de aprender de una manera similar a como lo
hace nuestro cerebro.
 ANN
Una red neuronal artificial está formada por neuronas artificiales, que son unidades o nodos que reciben
información del exterior o de otras neuronas.

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:

Tipo de red neuronal más

Monocapa extendido. Consta de una capa
Convolucional
de entrada que recibe valores del
exterior, una serie de capas
intermedias u ocultas que van
Formada por una única procesando la información y una Las neuronas de cada capa
capa de neuronas que capa de salida que entrega los no se interconectan con
recibe valores del exterior resultados de la red neuronal todas las de la capa
de la red, las procesa y siguiente, si no con un
genera unos valores de subconjunto de estas, y no
salida que entrega como se interconectan entre las
resultado Multicapa neuronas de la misma capa
 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

El valor de salida de la neurona es el sumatorio de

cada valor de entrada multiplicado por su peso
correspondiente
FUNCIONAMIENTO
Las neuronas deben ser previamente entrenadas
para reconocer patrones.

Se coloca como valores de entrada de la neurona el

patrón a aprender y después se incrementan los
pesos de las entradas utilizadas y se decrementan
los de las no utilizadas.

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
Como Siri de Apple, Alexa de
Amazon y Cortana de Microsoft
Seguridad
Seguridad perimetral para la detección
de intrusiones en tiempo real mediante
el procesado de imagen captada por las
cámaras de videovigilancia
 Ejemplos de Aplicaciones ANN

Busqueda Manejo vehicular

Una de las redes neuronales más
conocidas es el algoritmo de
búsqueda de Google
ALVINN (Autonomous Land Vehicle In a
Neural Network) es una red neuronal que
aprende a manejar un vehículo viendo como
maneja un humano. Se utiliza una cámara que
alimenta una rejilla de entradas a la red. Como
salida controla la dirección del volante.
 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

A medida que se aumenta la capacidad de cómputo, las redes neuronales van

evolucionando y mejorando, posibilitando que actividades o tareas que antes
eran imposibles de automatizar mediante lenguajes de programación
convencionales ahora forman parte de nuestro día a día.

Las plataformas de inteligencia artificial que se basan en ANN están

interrumpiendo las formas tradicionales de hacer las cosas, desde traducir
páginas web a otros idiomas hasta tener un asistente virtual que ordene
comestibles en línea hasta conversar con chatbots para resolver problemas,
las plataformas de IA están simplificando las transacciones y haciendo que
los servicios sean accesibles para todos a costos insignificantes.
 REFERENCIAS
ARQUITECTURA, ESTRUCTURA Y FUNCIONAMIENTO DE LAS RNA. (2007, 1 octubre). Advanced Tech Computing Group UTPL.
https://advancedtech.wordpress.com/2007/08/27/arquitectura-estructura-y-funcionamiento-de-las-rna/
Artificial, B. I. (2021, 3 junio). ¿Qué es una red neuronal artificial (ANN)? Brita Inteligencia Artificial. https://brita.mx/que-es-una-red-neuronal-
artificial-ann
Canadas, R. (2021, 4 noviembre). Redes Neuronales Artificiales | Qué son y cómo funcionan. ab Datum. https://abdatum.com/machine-learning/redes-
neuronales-artificiales
Historia de las Redes Neuronales. (s. f.). edu. http://www.itnuevolaredo.edu.mx/takeyas/Apuntes/Inteligencia%20Artificial/Apuntes/tareas_alumnos/
RNA/Redes%20Neuronales2.pdf
I.B.M.C.E. (2020, 17 septiembre). Redes neuronales. IBM. https://www.ibm.com/mx-es/cloud/learn/neural-networks
"Neurona". Autor: Equipo editorial, Etecé. De: Argentina. Para: Concepto.de. Disponible en: https://concepto.de/neurona/. Última edición: 5 de agosto
de 2021.
N. (2019, 26 febrero). Breve Historia de las Redes Neuronales Artificiales. Aprende Machine Learning.
https://www.aprendemachinelearning.com/breve-historia-de-las-redes-neuronales-artificiales/
R. (2020b, marzo 9). Descubren cómo se forman en el cerebro las redes neuronales •. Tendencias21. https://tendencias21.levante-emv.com/descubren-como-se-
forman-en-el-cerebro-las-redes-neuronales_a45492.html
Unir, V. (2021, 19 octubre). ¿Qué son las redes neuronales? Concepto y usos principales. UNIR. https://www.unir.net/ingenieria/revista/redes-
neuronales-artificiales/
U.N.A.M. (s. f.). Las neuronas - Unidad de Apoyo Para el Aprendizaje. CUAIEED. http://uapas1.bunam.unam.mx/ciencias/neuronas/