Redes Neuronales Artificiales



Universidad Yacambu
Vicerrectorado Académico
Facultad de Ingeniería
Carrera – Programa
Ingeniería Electrónica En Computación















Integrantes:
Luis Cuevas
Henry Cuevas
German Ramirez
Gabriel Rueda
Edgar Aponte
Cabudare; 22 de Octubre del 2014
Redes Neuronales Artificiales
El cerebro es un procesador de información con unas características muy notables, es capaz de procesar a granvelocidad grandes cantidades de información procedentes de los sentidos, combinarla o compararla con la información almacenada y dar respuestas adecuadas incluso en situaciones nuevas. Logra discernir un susurro en una sala ruidosa, distinguir una cara en una calle mal iluminada o leer entre líneas en una declaración política; pero lo más impresionante de todo es su capacidad de aprender arepresentar la información necesaria para desarrollar tales habilidades sin instrucciones explícitas para ello.
Aunque todavía se ignora mucho sobre la forma en que el cerebro aprende a procesar la información, se han desarrollado modelos que tratan de mimetizar tales habilidades; denominados redes neuronales artificiales o modelos de computación conexionista (otras denominaciones son computación neuronal yprocesamiento distribuido paralelo o P.D.P.). La elaboración de estos modelos supone en primer lugar la deducción de los rasgos o características esenciales de las neuronas y sus conexiones, y en segundo lugar, la implementación del modelo en una computadora de forma que se pueda simular.
Las RNA están compuestas de un gran número elementos de procesamiento altamente interconectados (Neuronas)trabajando al mismo tiempo para la solución de problemas específicos. Las RNA, tal como las personas, aprenden de la experiencia, están compuestas de muchos elementos sencillos que operan en paralelo, el diseño de la red está determinado mayormente por las conexiones entre sus elementos. Al igual que las conexiones de las neuronas cerebrales, las RNA han sido entrenadas para la realización defunciones complejas en variados campos de aplicación. Hoy en día pueden ser entrenadas para la solución de problemas que son difíciles para sistemas computacionales comunes o para el ser humano.

Las redes neuronales artificiales son modelos que intentan reproducir el comportamiento del cerebro. Como tal modelo, realiza una simplificación, averiguando cuáles son los elementos relevantes del sistema,porque la cantidad de información de que se dispone es excesiva o bien porque es redundante. Una elección adecuada de sus características, más una estructura conveniente, es el procedimiento convencional utilizado para construir redes capaces de realizar determinada tarea.

Una red neuronal se compone de unidades llamadas neuronas. Cada neurona recibe una serie de entradas a través deinterconexiones y emite una salida, esta salida viene dada por tres funciones:
1 Una función de propagación: También conocida como función de excitación, por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexión (valor neto). Si el peso es positivo, la conexión se denomina excitatoria; si es negativo, se denomina inhibitoria.
2 Una función de activación: Modifica a laanterior. Puede no existir, siendo en este caso la salida la misma función de propagación.
3 Una función de transferencia: Se aplica al valor devuelto por la función de activación. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretación que queramos darle a dichas salidas. Algunas de las más utilizadas son la función sigmoidea (para obtener valores en elintervalo [0,1]) y la tangente hiperbólica (para obtener valores en el intervalo [-1,1]).
Redes Neuronales Biológicas para mejorar Redes Neuronales las Artificiales
La neurona artificial es un modelo simplificado de la estructura biológica pues contiene tan solo sus elementos básicos: sinapsis, dendritas, soma y axón.
Las sinapsis y las dendritas de la neurona artificial son las entradas al...