Redes neuronales

INDICE
Dedicatoria…………………………………………………………………………………3
Introducción………………………………………………………………………………..4
Antecedentes…………………………………………………………….………………...6
REDES NEURONALES ARTIFICIALES…...…………………………….8
Redes Neuronales Artificiales……………………………………………………………8
Redes Neuronales Biológicas……………………………………………………………9
Diferencias entre la RNA y RNB……………………………………………………….11
Elementos de una Red NeuronalArtificial………………….…………………………11
Estructuras de una Red Neuronal Artificial……………………………….…………..12
Características de la Redes Neuronales Artificiales……………………...………….14
a) Modo de Operación
b) Aprendizaje Supervisado
c) Aprendizaje no supervisado
d) Aprendizaje Reforzado
Principales Modelos de Redes Neuronales Artificiales…………….………………..20
a) Perceptron
b) Adaline
c) Backprogationd) Aprendizaje Asociativo
e) Recurrentes
Ventajas de las Redes Neuronales……………………………………………….……49
Caso práctico……………………………………………………………………….…….52
Conclusiones……………………………………………………………………………..556Bibliografía…………………………………………………………………………..…..56

DEDICATORIA:
El presente trabajo va dedicado a nuestros padres por su apoyoincondicional, así mismo al profesor Wilfredo Bulege por su esfuerzo y dedicación para con nosotros.

LOS ALUMNOS
INTRODUCCIÓN
Los sistemas de computación secuencial, son exitosos en la resolución de problemas matemáticos o científicos, en la creación, manipulación y mantenimiento de bases de datos, en comunicaciones electrónicas, en el procesamiento detextos, gráficos y auto edición, incluso en funciones de control de electrodomésticos, haciéndolos más eficientes y fáciles de usar, pero definitivamente tienen una gran incapacidad para interpretar el mundo.
Esta dificultad de los sistemas de computo que trabajan bajo la filosofía de los sistemas secuénciales, desarrollados por Von Neuman, ha hecho que un gran número de investigadores centre suatención en el desarrollo de nuevos sistemas de tratamiento de la información, que permitan solucionar problemas cotidianos, tal como lo hace el cerebro humano; este órgano biológico cuenta con varias características deseables para cualquier sistema de procesamiento digital, tales como:
1. Es robusto y tolerante a fallas, diariamente mueren neuronas sin afectar su desempeño.
2. Es flexible, seajusta a nuevos ambientes por aprendizaje, no hay que programarlo.
3. Puede manejar información difusa, con ruido o inconsistente.
4. Es altamente paralelo
5. Es pequeño, compacto y consume poca energía.
El cerebro humano constituye una computadora muy notable, es capaz de interpretar información imprecisa suministrada por los sentidos a un ritmo increíblemente veloz. Logra discernirun susurro en una sala ruidosa, un rostro en un callejon mal iluminado y leer entre líneas un discurso; lo más impresionante de todo, es que el cerebro aprende sin instrucciones explícitas de ninguna clase, a crear las representaciones internas que hacen posibles estas habilidades. Basados en la eficiencia de los procesos llevados a cabo por el cerebro, e inspirados en su funcionamiento, variosinvestigadores han desarrollado desde hace más de 30 años la teoría de las Redes Neuronales Artificiales (RNA), las cuales emulan las redes neuronales biológicas, y que se han utilizado para aprender estrategias de solución basadas en ejemplos de comportamiento típico de patrones; estos sistemas no requieren que la tarea a ejecutar se programe, ellos generalizan y aprenden de la experiencia.
Lasaplicaciones más exitosas de las RNA son:
1. Procesamiento de imágenes y de voz
2. Reconocimiento de patrones
3. Planeamiento
4. Interfaces adaptadas para sistemas Hombre/máquina
5. Predicción
6. Control y optimización
7. Filtrado de señales
Los sistemas de computo tradicional procesan la información en forma secuencial; un computador serial consiste por lo general de...