redes neurunales

República Bolivariana de Venezuela
Ministerio del Poder Popular de la Educación Superior
Universidad Nacional Experimental Rómulo Gallegos
AIS: INGENIERÍA EN INFORMÁTICA
Unidad Curricular: ELECTIVA v
SAN JUAN DE LOS MORROS – EDO. GUÁRICO





redes neuronáles
y
algoritmo genético






Profesor:
Bachilleres:
Medina José
C.I. 21407433 Pérez Isamar
Sección: 3
c.i.23564583 toledo Endrina


Mayo – 2013.



Índice.
Pág.
Introducción …………………………………………………………………………3
Redes neuronales ………………………………………………………….... 4
Cronología ……………………………………………………………. 5
Elementos de una red neuronal artificial ………………………….. 6
Características fundamentales …………………………………….. 9
Aplicaciones …………………………………………………………. 10
Diseño y programación ……………………………………………. 11
Software SNNS…………………………………………………….. 12
Topología …………………………………………………………… 13
Ventajas ……………………………………………………………... 14
Algoritmo genético …………………………………………………………. 16
Reseña histórica ……………………………………………………. 17
Aplicación ……………………………………………………………. 18
Ventajas …………………………………………………………….. 21
Desventajas …………………………………………………………. 22
Tipos de representación …………………………………………… 23
¿Cuándo usar un algoritmo genético? ……………………………. 24Funcionamiento básico …………………………………………….. 24
Conclusión …………………………………………………………………… 27
Bibliografía ………………………………………………………………….. 28


INTRODUCCIÓN.

Con las Redes Neuronales se busca la solución de problemas complejos, no como una secuencia de pasos, sino como la evolución de unos sistemas de computación inspirados en el cerebro humano. Las redes neuronales intentan reproducir dicho razonamientohumano de forma simbólica pero desde una perspectiva más biológica (recrean la estructura de un cerebro humano mediante algoritmos genéticos). A pesar de la complejidad que puedan tener los sistemas los resultados distan mucho de un auténtico pensamiento inteligente.
En cuanto a los algoritmos genéticos son estructuras finitas que tratan de encontrar la mejor solución a un problema dado entre unconjunto de soluciones posibles. En los años 1970, John Henry Holland, propuso una de las líneas más prometedoras de la inteligencia artificial, la de los algoritmos genéticos. Son llamados así porque se inspiran en la evolución biológica y su base genético-molecular. Estos algoritmos hacen evolucionar una población de individuos sometiéndola a ciertas reacciones semejantes a las que actúan en laevolución biológica.




REDES NEURONALES:

Las Redes Neuronales Artificiales (Artificial Neural Networks) fueron originalmente una simulación abstracta de los sistemas nerviosos biológicos, formados por un conjunto de unidades llamadas "neuronas" o "nodos" conectadas unas con otras. Estas conexiones tienen una gran semejanza con las dendrítas y los axones en los sistemas nerviososbiológicos.
El Primer modelo de red neuronal fue propuesto en 1943 por McCulloch y Pitts en términos de un modelo computacional de "actividad nerviosa". El modelo de McCulloch-Pitts es un modelo binario, y cada neurona tiene un escalón o umbral prefijado. Este primer modelo sirvió de ejemplo para los modelos posteriores de Jhon Von Neumann, Marvin Minsky, Frank Rosenblatt, y muchos otros.Cronología:


384
-
322 a. C.
Las primeras explicaciones teóricas sobre el cerebro y el pensamiento fueron dadas por algunos filósofos griegos, como Platón y Aristóteles, quienes fueron apoyados después por Descartes y filósofos empiristas.

1936
Alan Turing fue el primero en estudiar el cerebro como una forma de ver el mundo de la computación, pero quienes primero concibierón algunosfundamentos de la computación neuronal fueron Warren McCulloch y Walter Pitts, despúes otras teorias iniciales fueron expuestas por Donald Hebb.
1943
Los primeros modelos de redes neuronales, por los neurólogos McCulloch y Pitts.
1949
Donald Hebb desarrolló sus ideas sobre el aprendizaje neuronal, quedando reflejado en la "regla de Hebb".
1957
Frank Rosenblatt comenzó el...