INTELIGENCIA
Páginas: 5 (1103 palabras)
Publicado: 11 de abril de 2015
INTRODUCCION:
En la investigación ecológica, el proceso e interpretación de datos juegan un papel importante.
El ecólogo dispone de muchos métodos, que van desde numérica, matemática, y métodos estadísticos a técnicas procedentes de la inteligencia artificial (Ackley et a1.1985) como los sistemas expertos (Bradshaw et a1.1991; Recknagel et al.1994), algoritmos genéticos (D'Angelo et a1 1995;..Golikov et a1 1995) y las redes neuronales artificiales, es decir ANN (Colasanti 1991; Edwards y Morse 1995).
Las redes neuronales artificiales fueron desarrollados inicialmente como modelos de neuronas biológicas.
Son inteligentes, máquinas de pensar, trabajar de la misma manera como el cerebro animal. Aprenden de la experiencia de una manera que ningún ordenador convencional puede, yrápidamente resolver problemas computacionales. Con el creciente uso de las computadoras, estos modelos pueden ser simulados, y la investigación despues fue dirigida a explorar las posibilidades de utilizar y la mejora de estos modelos para realizar tareas específicas. La investigación sobre las redes neuronales artificiales ha llevado al desarrollo de diversos tipos de redes neuronales, adecuado pararesolver diferentes tipos de problemas, incluyendo auto-asociativa memoria, la generalización, tareas de optimización, reducción de datos, control y predicción en varios escenarios y arquitecturas.
Cronológicamente, podemos citar el Perceptron (Rosenblatt, 1958), ADALINE, es decir adaptativo lineal Element (Widrow y Hoff 1960), la red de Hopfield (Hopfield 1982), la red de Kohonen (Kohonen 1984),máquina de Boltzmann (Ackley et a1.1985), y redes neuronales feed-forward multicapa aprendido por el algoritmo de propagación hacia atrás (Rumelhart et. A1 1986). Descripciones de estos métodos se pueden encontrar en varios libros como Freeman y Skapura (1992), Galán (1993), Smith (1994), Bishop (1995), Ripley (1996), etc.
La elección del tipo de red depende del tipo del problema que quiere serresuelto. En la actualidad ha dos redes neuronales artificiales populares: las redes neuronales de alimentación directa y redes de múltiples capas, ambos por retropropagación del algoritmo, es decir, de nuevo la red de propagación (BPN) y Kohonen mapeo de auto-organización, es decir, la red de Kohonen (SOM). El BPN son las redes que se utilizan con más frecuencia, pero otras también están ganando enpopularidad hoy en día con la aparición de nuevas técnicas en diversas áreas de las ciencias.
En la última década la investigación en redes neuronales ha mostrado un crecimiento explosivo. A menudo aplicado en la investigación en la física como en el reconocimiento de voz (Rahim et a1.1993; Chu y Bose 1998) o de reconocimiento de imágenes (Dekruger y Hunt 1994; Cosatto y Graf 1995; Kung y Taur1995) investigación química (Kvasnicka 1990; Wythoff et a1 1990;. Smits et a1. 1992).
En biología mayoría de las aplicaciones de RNAs (redes neuronales artificiales) han sido en la medicina y molecular biologcía (Lerner et a1 1994;. Albiol et a1.1995; Faraggi y Simon 1995; Lo et a1 1.995.).
Sin embargo, se reportaron algunas aplicaciones de este método en el ecológico y ambiental ciencias alcomienzo de la década de 1990. Por ejemplo, Colasanti (1991) encontró similitudes entre las RNA y los ecosistemas, recomendando la utilización de esta herramienta en el modelado ecológico.
En una revisión de la investigación asistida por ordenador en la biodiversidad, Edwards y Morse (1995) subrayó que las RNA tienen un potencial importante. Pertinente ejemplos se encuentran en muy diferentes campos dela ecología aplicada, como modelos el efecto invernadero (Seginer et al.I994), la predicción de diversos parámetros en gestión de la trucha (Baran et al 1996;.. Lek et al 1996a, b), modelando la dinámica espacial de pescado (Giske et al.I998), la predicción de la producción de fitoplancton (Scardi 1996; Recknagel et al. 1997), la predicción de la diversidad de peces (Guegan et al., 1998), la...
En la investigación ecológica, el proceso e interpretación de datos juegan un papel importante.
El ecólogo dispone de muchos métodos, que van desde numérica, matemática, y métodos estadísticos a técnicas procedentes de la inteligencia artificial (Ackley et a1.1985) como los sistemas expertos (Bradshaw et a1.1991; Recknagel et al.1994), algoritmos genéticos (D'Angelo et a1 1995;..Golikov et a1 1995) y las redes neuronales artificiales, es decir ANN (Colasanti 1991; Edwards y Morse 1995).
Las redes neuronales artificiales fueron desarrollados inicialmente como modelos de neuronas biológicas.
Son inteligentes, máquinas de pensar, trabajar de la misma manera como el cerebro animal. Aprenden de la experiencia de una manera que ningún ordenador convencional puede, yrápidamente resolver problemas computacionales. Con el creciente uso de las computadoras, estos modelos pueden ser simulados, y la investigación despues fue dirigida a explorar las posibilidades de utilizar y la mejora de estos modelos para realizar tareas específicas. La investigación sobre las redes neuronales artificiales ha llevado al desarrollo de diversos tipos de redes neuronales, adecuado pararesolver diferentes tipos de problemas, incluyendo auto-asociativa memoria, la generalización, tareas de optimización, reducción de datos, control y predicción en varios escenarios y arquitecturas.
Cronológicamente, podemos citar el Perceptron (Rosenblatt, 1958), ADALINE, es decir adaptativo lineal Element (Widrow y Hoff 1960), la red de Hopfield (Hopfield 1982), la red de Kohonen (Kohonen 1984),máquina de Boltzmann (Ackley et a1.1985), y redes neuronales feed-forward multicapa aprendido por el algoritmo de propagación hacia atrás (Rumelhart et. A1 1986). Descripciones de estos métodos se pueden encontrar en varios libros como Freeman y Skapura (1992), Galán (1993), Smith (1994), Bishop (1995), Ripley (1996), etc.
La elección del tipo de red depende del tipo del problema que quiere serresuelto. En la actualidad ha dos redes neuronales artificiales populares: las redes neuronales de alimentación directa y redes de múltiples capas, ambos por retropropagación del algoritmo, es decir, de nuevo la red de propagación (BPN) y Kohonen mapeo de auto-organización, es decir, la red de Kohonen (SOM). El BPN son las redes que se utilizan con más frecuencia, pero otras también están ganando enpopularidad hoy en día con la aparición de nuevas técnicas en diversas áreas de las ciencias.
En la última década la investigación en redes neuronales ha mostrado un crecimiento explosivo. A menudo aplicado en la investigación en la física como en el reconocimiento de voz (Rahim et a1.1993; Chu y Bose 1998) o de reconocimiento de imágenes (Dekruger y Hunt 1994; Cosatto y Graf 1995; Kung y Taur1995) investigación química (Kvasnicka 1990; Wythoff et a1 1990;. Smits et a1. 1992).
En biología mayoría de las aplicaciones de RNAs (redes neuronales artificiales) han sido en la medicina y molecular biologcía (Lerner et a1 1994;. Albiol et a1.1995; Faraggi y Simon 1995; Lo et a1 1.995.).
Sin embargo, se reportaron algunas aplicaciones de este método en el ecológico y ambiental ciencias alcomienzo de la década de 1990. Por ejemplo, Colasanti (1991) encontró similitudes entre las RNA y los ecosistemas, recomendando la utilización de esta herramienta en el modelado ecológico.
En una revisión de la investigación asistida por ordenador en la biodiversidad, Edwards y Morse (1995) subrayó que las RNA tienen un potencial importante. Pertinente ejemplos se encuentran en muy diferentes campos dela ecología aplicada, como modelos el efecto invernadero (Seginer et al.I994), la predicción de diversos parámetros en gestión de la trucha (Baran et al 1996;.. Lek et al 1996a, b), modelando la dinámica espacial de pescado (Giske et al.I998), la predicción de la producción de fitoplancton (Scardi 1996; Recknagel et al. 1997), la predicción de la diversidad de peces (Guegan et al., 1998), la...
Leer documento completo
Regístrate para leer el documento completo.