Red Nuronal


Guía y Tareas Inteligencia Artificial
Alejandro Salazar Guerrero

Michell Jiménez Rodríguez

Grupo: 12131










1. Describe una red neuronal
Son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso.
2. Menciona las PE de una ANN
Un elemento procesador tiene varias entradas y las combina, normalmente con unasuma básica. La suma de las entradas es modificada por una función de transferencia y el valor de la salida de esta función de transferencia se pasa directamente a la salida del elemento procesador.
Suma y transferencia

3. Explica la función de los dos tipos de capas
Existen dos capas con conexiones con el mundo exterior. Una capa de entrada, buffer de
Entrada, donde se presentan los datos a lared, y una capa buffer de salida que mantiene la respuesta de la red a una entrada. El resto de las capas reciben el nombre de capas ocultas.

4. Describe las funciones principales de una ANN
Las redes neuronales están formadas por un conjunto de neuronas artificiales interconectadas. Las neuronas de la red se encuentran distribuidas en diferentes capas de neuronas, de manera que las neuronasde una capa están conectadas con las neuronas de la capa siguiente, a las que pueden enviar información. La arquitectura más usada en la actualidad de una red neuronal consistiría en:
Una primera capa de entradas, que recibe información del exterior.
Una serie de capas ocultas (intermedias), encargadas de realizar el trabajo de la red.
Una capa de salidas, que proporciona el resultado deltrabajo de la red al exterior.

5. Menciona las partes de una neurona

Núcleo
Dendritas
Cuerpo celular
Axón
6. Explica el funcionamiento de un perceptrón
Es un sistema clasificador de patrones que puede identificar patrones geométricos y abstractos.

7. Describe 2 aplicaciones de las ANN

Modelado de Sistemas: los sistemas lineales son caracterizados por la función de transferencia queno es más que una expresión analítica entre la variable de salida y una variable independiente y sus derivadas. Las ANN también son capaces de aprender una función de transferencia y comportarse correctamente como el sistema lineal que está modelando.
Filtro de Ruido: las ANN también pueden ser utilizadas para eliminar el ruido de una señal. Estas redes son capaces de mantener en un alto gradolas estructuras y valores de los filtros tradicionales.

8. Explica la representación básica de una neurona artificial


9. Describe el entrenamiento de una neurona
Una de las principales características de las ANN es su capacidad de aprendizaje. El entrenamiento de las ANN muestra algunos paralelismos con el desarrollo intelectual de los seres humanos. No obstante aun cuando parece que se haconseguido entender el proceso de aprendizaje conviene ser moderado porque el aprendizaje de las ANN está limitado. El objetivo del entrenamiento de una ANN es conseguir que una aplicación determinada, para un conjunto de entradas produzca el conjunto de salidas deseadas o mínimamente consistentes. El proceso de entrenamiento consiste en la aplicación secuencial de diferentes conjuntos o vectoresde entrada para que se ajusten los pesos de las interconexiones según un procedimiento predeterminado. Durante la sesión de entrenamiento los pesos convergen gradualmente hacia los valores que hacen que cada entrada produzca el vector de salida deseado.


10. Menciona los tipos de entrenamiento
Entrenamiento Supervisado: estos algoritmos requieren el emparejamiento de cada vector de entradacon su correspondiente vector de salida. El entrenamiento consiste en presentar un vector de entrada a la red, calcular la salida de la red, compararla con la salida deseada, y el error o diferencia resultante se utiliza para realimentar la red y cambiar los pesos de acuerdo con un algoritmo que tiende a minimizar el error.

Entrenamiento No Supervisado: Los sistemas no supervisados son modelos...