aprendizaje de ciencias neurales

República Bolivariana de Venezuela
Universidad Bicentenaria de Aragua
Vicerrectorado Académico
Escuela de Ingeniería de Sistemas






Redes Neuronales
Aprendizaje




Profesor: Alumnos:
Silvia Arana
Edgar Tovar C.I : 18610259



Maracay – Venezuela, Octubre 2014.
Introducción


La Inteligencia Artificial es la disciplinaque estudia la forma de diseñar procesos que exhiban características que comúnmente se asocian con el comportamiento humano inteligente.
La Inteligencia Artificial sintetiza y automatiza tareas intelectuales y es, por lo tanto, potencialmente relevante para cualquier ámbito de la actividad intelectual humana. Actualmente esta ciencia está comprendida por varios subcampos que van desde áreas depropósito general, como el aprendizaje y la percepción, a otras más específicas como la demostración de teoremas matemáticos, el diagnóstico de enfermedades, etc.
Uno de los modelos que ha surgido para emular el proceso de aprendizaje es la red neuronal artificial. Las redes neuronales son modelos que intentan reproducir el comportamiento del cerebro humano. Una red neuronal consiste en un conjunto deelementos de procesamiento, llamados neuronas, los cuales se conectan entre sí. La organización y disposición de las neuronas dentro de una red neuronal se denomina topología, y viene dada por el número de capas, la cantidad de neuronas por capa, el grado de conectividad, y el tipo de conexión entre neuronas.
El estudio de las redes neuronales es un campo extremadamente interdisciplinario, tantoen el desarrollo como en las aplicaciones. Las redes neuronales pueden ser aplicadas en diversas áreas, desde actividades de investigación hasta aplicaciones comerciales e industriales.








Trabajo de Investigación sobre Mecanismos de Aprendizaje de las Redes Neuronales Artificiales y Redes Supervisadas

Una neurona artificial es un procesador elemental (PE) que recibe una serie deentradas (bien del exterior, bien de otras neuronas) con pesos diferentes, los procesa y proporciona una salida única. A cada neurona llegan muchas señales de otras (sinapsis) y producen una única salida (axón). Una sinapsis que comunica dos neuronas puede ser de naturaleza excitadora o inhibidora. En el primer caso, la neurona emisora tendera a activar a la neurona receptora, y en el segundocaso la neurona emisora tendera a inhibir la actividad de la neurona receptora. Cada sinapsis se caracteriza además por la eficacia con la que se establece la conexión. En definitiva, aunque la neurona toma decisiones en función de la suma de informaciones que recibe, la contribución de cada una de estas informaciones es ponderada por la eficacia de la sinapsis correspondiente
La primera neuronaartificial fue concebida por W. McCulloch y W. Pitts de la universidad de chicago en 1943. Se trata de un modelo binario cuyo estado es 1 (activo) o 0 (inactivo). Periódicamente actualiza su estado de la siguiente forma: calcula la suma de sus entradas (que son las salidas de las neuronas artificiales a las que está conectada) con el valor de cada entrada modulado por la eficacia sinápticacorrespondiente y toma una decisión comparando esta suma con un cierto nivel o umbral (U) ya prefijado. Si la suma es superior al umbral, la neurona se activa (1); en caso contrario se mantiene inactiva (0). Por tanto, todas las neuronas toman sus decisiones simultáneamente teniendo en cuenta la evolución del estado global de la red. En general se utiliza una función de activación Y – F (S) para activaruna neurona artificial. Esta función de activación puede tener distintas formas y características. El utilizar funciones de activación no lineales tiene la ventaja de poder normalizar el valor de S para dar una salida Y dentro de un rango prefijado e independiente del valor de S.
La sinapsis, el punto de conexión entre neuronas, gradúa la intensidad con que la señal pasa de una neurona a otra....