Redes Neuronales

REDES NEURONALES
REDES NEURONALES

INTEGRANTE: CANALES PATRICIO, ANTHONY
DOCENTE: DANIEL ANDRADES GIRON
CURSO: INTELIGENCIA ARTIFICIAL
CICLO: X
FACULTAD: INGENIERIA
E.A.P.: INGENIERIA DE SISTEMAS
INTEGRANTE: CANALES PATRICIO, ANTHONY
DOCENTE: DANIEL ANDRADES GIRON
CURSO: INTELIGENCIA ARTIFICIAL
CICLO: X
FACULTAD: INGENIERIA
E.A.P.: INGENIERIA DE SISTEMAS

INTRODUCCION

Elcerebro es uno de las cumbres de la evolución biológica, ya que es un gran procesador de información. Entre sus características podemos destacar, que es capaz de procesar a gran velocidad grandes cantidades de información procedentes de los sentidos, combinarla o compararla con la información almacenada y dar respuestas adecuadas. Además es de destacar su capacidad para aprender a representar lainformación necesaria para desarrollar tales habilidades, sin instrucciones explícitas para ello.

Los científicos llevan años estudiándolo y se han desarrollado algunos modelos matemáticos que tratan de simular su comportamiento. Estos modelos se han basado sobre los estudios de las características esenciales de las neuronas y sus conexiones.

Aunque estos modelos no son más que aproximaciones muylejanas de las neuronas biológicas, son muy interesantes por su capacidad de aprender y asociar patrones parecidos lo que nos permite afrontar problemas de difícil solución con la programación tradicional. Se han implementado en computadoras y equipos especializados para ser simulados.

Con el paso de los años, los modelos de neuronas iniciales se han ido complicando, introduciendo nuevosconceptos llegando a ser un paradigma de computación (equivalente a las máquinas de Turing) basado en el comportamiento de las neuronas.

CAPÍTULO 1
---------------------------------------
CONCEPCIONES BÁSICAS
CAPÍTULO 1
---------------------------------------
CONCEPCIONES BÁSICAS

REDES NEURONALES ARTIFICIALES
1.1. Concepto:
Una red neuronal, según Freman y Skapura, es un sistema deprocesadores paralelos conectados entre sí en forma de grafo dirigido. Esquemáticamente cada elemento de procesamiento (neuronas) de la red se representa como un nodo. Estas conexiones establecen una estructura jerárquica que tratando de emular la fisiología del cerebro busca nuevos modelos de procesamiento para solucionar problemas concretos del mundo real. Lo importante en el desarrollo de latécnica de las RNA es su útil comportamiento al aprender, reconocer y aplicar relaciones entre objetos y tramas de objetos propios del mundo real. En este sentido, se utilizan las RNA como una herramienta que podrá utilizarse para resolver problemas difíciles.

La posibilidad de resolver problemas difíciles es dable gracias a los principios de las redes neuronales, los cinco más importantes soncitados por Hilera y Martínez.

Estos son enunciados a continuación:
a) Aprendizaje adaptativo: Esta es quizás la característica más importante de las redes neuronales, pueden comportarse en función de un entrenamiento con una serie de ejemplos ilustrativos. De esta forma, no es necesario elaborar un modelo a priori, ni establecer funciones probabilísticas. Una red neuronal artificial esadaptativa porque puede modificarse constantemente con el fin de adaptarse a nuevas condiciones de trabajo.

b) Autoorganización: Mientras que el aprendizaje es un proceso donde se modifica la información interna de la red neuronal artificial, la autoorganización consiste en la modificación de la red completa con el fin de llevar a cabo un objetivo específico. Autoorganización significageneralización, de esta forma una red puede responder a datos o situaciones que no ha experimentado antes, pero que puede inferir sobre la base de su entrenamiento. Esta característica es muy útil sobre todo cuando la información de entrada es poco clara o se encuentra incompleta.

c) Tolerancia a fallos: En la computación tradicional la pérdida de un fragmento pequeño de información puede acarrear...