Inteligencia Artificial
Páginas: 6 (1444 palabras)
Publicado: 27 de junio de 2015
Materia: Inteligencia Artificial
Trabajo final
Redes neuronales artificiales
En el aprendizaje de máquina y campos relacionados, redes neuronales artificiales (RNA) son modelos computacionales inspirados en las redes neuronales biológicas (el sistema nervioso central de los animales, en particular el cerebro) y se utilizan para estimar o aproximar funciones que pueden depender de un gran númerode insumos y son generalmente desconocidos. Las redes neuronales artificiales se presentan generalmente como sistemas de "neuronas" interconectadas que pueden calcular los valores de las entradas, y son capaces de aprender de la máquina, así como de reconocimiento de patrones, gracias a su carácter adaptativo.
Por ejemplo, una red neural para el reconocimiento de escritura a mano está definidapor un conjunto de neuronas de entrada que pueden ser activados por los píxeles de una imagen de entrada. Después de ser ponderados y transformados por una función (determinado por el diseñador de la red), las activaciones de estas neuronas se pasan a otras neuronas. Este proceso se repite hasta que finalmente, una neurona de salida se activa. Esto determina qué carácter se ha leído.
Al igual queotros métodos de aprendizaje automático - Sistemas que aprenden de datos - redes neuronales se han utilizado para resolver una amplia variedad de tareas que son difíciles de resolver usando la programación basada en reglas ordinaria, incluyendo la visión por computador y reconocimiento de voz.
Perceptron: En el aprendizaje de máquina, el perceptrón es un algoritmo para la clasificación supervisadade una entrada en una de varias salidas no binarias posibles. Es un tipo de clasificador lineal, es decir, un algoritmo de clasificación que hace que sus predicciones basadas en una función de predictor lineal combinación de un conjunto de pesos con el vector de características. El algoritmo permite el aprendizaje en línea, en la que procesa los elementos en el conjunto de entrenamiento uno a lavez.
El algoritmo perceptrón se remonta a finales de 1950; su primera aplicación, de hardware a la medida, fue una de las primeras redes neuronales artificiales para ser producidos.
Red de Hopfield: Una red de Hopfield es una forma de red neuronal artificial recurrente inventado por John Hopfield en 1982. redes de Hopfield sirven como sistemas de memoria direccionable por contenido con nodos deumbral binarios. Están garantizados para converger a un mínimo local, pero la convergencia a un patrón falso (mínimo local mal) y no el patrón almacenado (mínimo esperado local) pueden ocurrir. Redes de Hopfield también proporcionan un modelo para la comprensión de la memoria humana.
Aplicaciones de las redes neuronales: Aplicaciones de la vida real
Las tareas de las redes neuronales artificialesse aplican a tienden a caer dentro de las siguientes categorías generales:
Aproximación de funciones, o el análisis de regresión, incluyendo la predicción de series de tiempo, aproximación de la capacidad y el modelado.
Clasificación, incluyendo el patrón y secuencia de reconocimiento, detección de novedad y la toma de decisiones secuencial.
Procesamiento de datos, incluyendo elfiltrado, la agrupación, la separación ciega de fuentes y compresión.
Robótica, incluyendo manipuladores Directivo, prótesis.
De control, incluido el control numérico por ordenador.
Retropropagación: El objetivo de cualquier algoritmo de aprendizaje supervisado es encontrar una función que mejor se correlaciona un conjunto de entradas a su salida correcta. Un ejemplo sería una tarea declasificación simple, donde la entrada es una imagen de un animal, y la salida correcta sería el nombre del animal. Algunos patrones de entrada y salida pueden ser fácilmente aprendidas por una sola capa de redes neuronales (es decir perceptrones). Sin embargo, estos perceptrones de una sola capa no pueden aprender algunos patrones relativamente simples, tales como aquellos que no son linealmente...
Trabajo final
Redes neuronales artificiales
En el aprendizaje de máquina y campos relacionados, redes neuronales artificiales (RNA) son modelos computacionales inspirados en las redes neuronales biológicas (el sistema nervioso central de los animales, en particular el cerebro) y se utilizan para estimar o aproximar funciones que pueden depender de un gran númerode insumos y son generalmente desconocidos. Las redes neuronales artificiales se presentan generalmente como sistemas de "neuronas" interconectadas que pueden calcular los valores de las entradas, y son capaces de aprender de la máquina, así como de reconocimiento de patrones, gracias a su carácter adaptativo.
Por ejemplo, una red neural para el reconocimiento de escritura a mano está definidapor un conjunto de neuronas de entrada que pueden ser activados por los píxeles de una imagen de entrada. Después de ser ponderados y transformados por una función (determinado por el diseñador de la red), las activaciones de estas neuronas se pasan a otras neuronas. Este proceso se repite hasta que finalmente, una neurona de salida se activa. Esto determina qué carácter se ha leído.
Al igual queotros métodos de aprendizaje automático - Sistemas que aprenden de datos - redes neuronales se han utilizado para resolver una amplia variedad de tareas que son difíciles de resolver usando la programación basada en reglas ordinaria, incluyendo la visión por computador y reconocimiento de voz.
Perceptron: En el aprendizaje de máquina, el perceptrón es un algoritmo para la clasificación supervisadade una entrada en una de varias salidas no binarias posibles. Es un tipo de clasificador lineal, es decir, un algoritmo de clasificación que hace que sus predicciones basadas en una función de predictor lineal combinación de un conjunto de pesos con el vector de características. El algoritmo permite el aprendizaje en línea, en la que procesa los elementos en el conjunto de entrenamiento uno a lavez.
El algoritmo perceptrón se remonta a finales de 1950; su primera aplicación, de hardware a la medida, fue una de las primeras redes neuronales artificiales para ser producidos.
Red de Hopfield: Una red de Hopfield es una forma de red neuronal artificial recurrente inventado por John Hopfield en 1982. redes de Hopfield sirven como sistemas de memoria direccionable por contenido con nodos deumbral binarios. Están garantizados para converger a un mínimo local, pero la convergencia a un patrón falso (mínimo local mal) y no el patrón almacenado (mínimo esperado local) pueden ocurrir. Redes de Hopfield también proporcionan un modelo para la comprensión de la memoria humana.
Aplicaciones de las redes neuronales: Aplicaciones de la vida real
Las tareas de las redes neuronales artificialesse aplican a tienden a caer dentro de las siguientes categorías generales:
Aproximación de funciones, o el análisis de regresión, incluyendo la predicción de series de tiempo, aproximación de la capacidad y el modelado.
Clasificación, incluyendo el patrón y secuencia de reconocimiento, detección de novedad y la toma de decisiones secuencial.
Procesamiento de datos, incluyendo elfiltrado, la agrupación, la separación ciega de fuentes y compresión.
Robótica, incluyendo manipuladores Directivo, prótesis.
De control, incluido el control numérico por ordenador.
Retropropagación: El objetivo de cualquier algoritmo de aprendizaje supervisado es encontrar una función que mejor se correlaciona un conjunto de entradas a su salida correcta. Un ejemplo sería una tarea declasificación simple, donde la entrada es una imagen de un animal, y la salida correcta sería el nombre del animal. Algunos patrones de entrada y salida pueden ser fácilmente aprendidas por una sola capa de redes neuronales (es decir perceptrones). Sin embargo, estos perceptrones de una sola capa no pueden aprender algunos patrones relativamente simples, tales como aquellos que no son linealmente...
Leer documento completo
Regístrate para leer el documento completo.