Hola: )

Redes Neuronales y Memorias Asociativas.

3CM7
* Ángeles González Mariana.
* Anzaldo Tajonar Alberto.
* Chávez Cortés Brayanth.
* Díaz Cortés Daniel.
* González Gutiérrez Jessica.
* Mora Hernández Iris

Minería de datos.
[Escriba aquí una descripción breve del documento. Una descripción breve es un resumen corto del contenido del documento. Escriba aquí unadescripción breve del documento. Una descripción breve es un resumen corto del contenido del documento.]

INDICE.

REDES NEURONALES Y MINERÍA DE DATOS.

INTRODUCCIÓN.

La minería de datos tiene por objetivo la búsqueda de nueva información de utilidad resultante de la exploración de grandes volúmenes de datos. Información que de ninguna otra forma sencilla podría ser accesible. Estas técnicasproporcionan también la capacidad de predecir el valor de ciertas variables a partir de otras muchas existentes en una base de datos. Una de los sistemas de clasificación en los que se apoya la minería de datos son las redes neuronales.

REDES NEURONALES.
Una red neuronal según Freman y Skapura [1], “es un sistema de procesadores paralelos conectados entre sí en forma de grafo dirigido”.Esquemáticamente cada elemento de procesamiento (neuronas) de la red se representa como un nodo, estableciendo una estructura jerárquica que trata de emular la fisiología del cerebro buscando nuevos modelos de procesamiento para solucionar problemas concretos del mundo real.

CARACTERÍSTICAS DE LAS REDES NEURONALES.
Existen cuatro aspectos que caracterizan una red neuronal:
1. Topología de lasredes Neuronales. La arquitectura de las redes neuronales consiste en la organización y disposición de las neuronas formando capas más o menos alejadas de la entrada y salida de la red. En este sentido los parámetros importantes de la red son: número de capas, número de neuronas por capa, grado de conectividad y tipo de conexiones entre neuronas.
Redes Monocapa: Se establecen conexioneslaterales, cruzadas o autorrecurrentes entre las neuronas que pertenecen a la única capa que constituye la red. Son utilizadas en tareas relacionadas con la autoasociación, ejemplo de esto es para generar información de entrada que representan a la red incompleta o distorsionada.
Redes Multicapa: Son aquellas que disponen de un conjunto de neuronas agrupadas en varios niveles o capas. Una forma dedistinguir la capa a la que pertenece la neurona, consiste en fijarse en el origen de las señales que recibe a la entrada y el destino de la señal de salida.
2. Mecanismos de Aprendizaje. Es el proceso por el cual una red neuronal modifica sus pesos en respuesta a una información de entrada. Los cambios se producen durante el proceso de aprendizaje, se reducen a la destrucción modificación ycreación de conexiones entre las neuronas, la creación de una nueva conexión implica que el peso de la misma pasa a tener un valor distinto a 0, una conexión se destruye cuando su peso pasa a ser 0. Cuando los valores de los pesos permanecen estables, podemos decir que el proceso de aprendizaje ha finalizado.
3. Tipo de asociación entre la Información E/S. Las Redes Neuronales Artificiales (RNA)son sistemas que almacenan cierta información aprendida; esta información se registra de forma distribuida en los pesos asociados a las conexiones entre neuronas de entrada y salida. Existen 2 formas de asociación.
* Heteroasociación. Se refiere al caso en que la red aprende en parejas de datos, de tal modo que cuando se presenta cierta información de entrada Ai se deberá responder generandola correspondiente salida Bi.
* Autoasociación. La red aprende cierta información A1, A2, A3,…. An, de tal forma que cuando se le represente una información de entrada realizará una autorrelación, respondiendo con uno de los datos almacenados, el más parecido al de la entrada.
Estos mecanismos de asociación dan lugar a dos tipos de redes neuronales, las redes heteroasociativas y las...