SlideShare a Scribd company logo
1 of 7
   Los intentos por imitar el
    funcionamiento del
    cerebro han seguido la
    evolución del estado de la
    tecnología. Por ejemplo, al
    finalizar el siglo 19 se le
    comparó con la operación
    de la bomba hidráulica;
    durante la década de
    1920 a 1930 se intento
    utilizar la teoría de la
    conmutación telefónica
    como punto de partida de
    un sistema de
    conocimiento similar al del
    cerebro
 Las Redes Neuronales
  Artificiales
 Sistema Experto.
 Un método más
  avanzado para
  representar el
  conocimiento, es el
  sistema experto.
  Típicamente está
  compuesto por varias
  clases de información
  almacenada: Las reglas
  If - Then le dicen al
  sistema como se debe
  reaccionar ante los
  estados del quot;mundoquot;.
 Interpretación De La Neurona
  Por Computadora
 Una neurona se puede
  comparar con una caja
  negra compuesta por varias
  entradas y una salida. La
  relación de activación entre
  la salida y la entrada, o en
  términos circuitales o de teoría
  de control, la función de
  transferencia se encuentra en
  la ..figura 2.
 La variable f es la frecuencia
  de activación o emisión de
  potenciales y u es la
  intensidad del estímulo del
  soma.
   La Neurona Artificial
   Un circuito eléctrico que
    realice la sume
    ponderada de las
    diferentes señales que
    recibe de otras unidades
    iguales y produzca en la
    salida un uno o un cero
    según el resultado de la
    suma con relación al
    umbral o nivel de
    disparo, conforma una
    buena representación
    de lo que es una
    neurona artificial
   Diferencias entre el cerebro y un
    ordenador
   La diferencia más importante y
    decisiva el cómo se produce el
    almacenamiento de información en el
    cerebro y en el ordenador.
   Ordenador: Los datos se guardan en
    posiciones de memoria que son
    seldillas aisladas entre sí. Así cuando se
    quiere acceder a una posición de
    memoria se obtiene el dato de esta
    celdilla. Sin que las posiciones de
    memoria aldeanas sé de por aludidas.
   Cerebro: La gestión es totalmente
    diferente. Cuando buscamos una
    información no hace falta que
    sepamos donde se encuentra
    almacenada y en realidad no lo
    podemos saber ya que nadie sabe
    donde guarda hasta hoy en ida el
    cerebro los datos.
   Cerebro
   Computadora
   Sistema de datos de múltiple propósito capaz
    de tratar gran cantidad de información en
    poco tiempo pero no nesesariamente con
    exactitud.
   Sistemas altamente especializados con
    capacidad para procesar información muy
    concreta, siguiendo unas instrucciones
    dadas.
   · La frecuencia de los impulsos nerviosos
    puede variar.
   · La frecuencia de transmisión es inalterable
    y esta dada por el reloj interno de la
    maquina.
   Las llamadas sinapsis cumple en el cerebro la
    función simultánea de varias compuertas
    (and, or, not etc.)
   · Las compuertas lógicas tienen una función
    perfectamente determinada e inalterable.
   La memoria es del tipo asociativo y no se
    sabe dónde quedara almacenada.
   · La información se guarda en posiciones de
    memoria de acceso directo por su dirección.
   Los impulsos fluyen a 30 metros por segundo.
   · En el interior de una computadora los
    impulsos fluyen a la velocidad de la luz.

More Related Content

What's hot

REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALESHB09
 
Sistemas neuronales
Sistemas neuronalesSistemas neuronales
Sistemas neuronalescenation993
 
Introduccion a las redes neuronales
Introduccion a las redes neuronalesIntroduccion a las redes neuronales
Introduccion a las redes neuronalesHALCONPEREGRINO2
 
Utp sirn_s2_rna 2014-2
 Utp sirn_s2_rna 2014-2 Utp sirn_s2_rna 2014-2
Utp sirn_s2_rna 2014-2c09271
 
Características de las Redes Neuronales
Características de las Redes NeuronalesCaracterísticas de las Redes Neuronales
Características de las Redes NeuronalesESCOM
 
Utp sirn_s2_rna 2014-2
 Utp sirn_s2_rna 2014-2 Utp sirn_s2_rna 2014-2
Utp sirn_s2_rna 2014-2c09271
 
Utp 2014-2_ia_s2_intro a las rna
 Utp 2014-2_ia_s2_intro a las rna  Utp 2014-2_ia_s2_intro a las rna
Utp 2014-2_ia_s2_intro a las rna c09271
 
Sistemas De InformacióN Redes Neuronales
Sistemas De InformacióN Redes NeuronalesSistemas De InformacióN Redes Neuronales
Sistemas De InformacióN Redes Neuronalesvanessa beltran
 
Utp iase_s2_intro a las rna
 Utp iase_s2_intro a las rna  Utp iase_s2_intro a las rna
Utp iase_s2_intro a las rna jcbp_peru
 
Utp iase_s2_intro a las rna
 Utp iase_s2_intro a las rna  Utp iase_s2_intro a las rna
Utp iase_s2_intro a las rna jcbp_peru
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes NeuronalesLuis Rivas
 

What's hot (16)

REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALES
 
Sistemas neuronales
Sistemas neuronalesSistemas neuronales
Sistemas neuronales
 
Jmj
JmjJmj
Jmj
 
Introduccion a las redes neuronales
Introduccion a las redes neuronalesIntroduccion a las redes neuronales
Introduccion a las redes neuronales
 
Utp sirn_s2_rna 2014-2
 Utp sirn_s2_rna 2014-2 Utp sirn_s2_rna 2014-2
Utp sirn_s2_rna 2014-2
 
Características de las Redes Neuronales
Características de las Redes NeuronalesCaracterísticas de las Redes Neuronales
Características de las Redes Neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Utp sirn_s2_rna 2014-2
 Utp sirn_s2_rna 2014-2 Utp sirn_s2_rna 2014-2
Utp sirn_s2_rna 2014-2
 
Utp 2014-2_ia_s2_intro a las rna
 Utp 2014-2_ia_s2_intro a las rna  Utp 2014-2_ia_s2_intro a las rna
Utp 2014-2_ia_s2_intro a las rna
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Sistemas De InformacióN Redes Neuronales
Sistemas De InformacióN Redes NeuronalesSistemas De InformacióN Redes Neuronales
Sistemas De InformacióN Redes Neuronales
 
LA INFORMACION
LA INFORMACIONLA INFORMACION
LA INFORMACION
 
Utp iase_s2_intro a las rna
 Utp iase_s2_intro a las rna  Utp iase_s2_intro a las rna
Utp iase_s2_intro a las rna
 
Utp iase_s2_intro a las rna
 Utp iase_s2_intro a las rna  Utp iase_s2_intro a las rna
Utp iase_s2_intro a las rna
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 

Viewers also liked

Individual and societal risk
Individual and societal riskIndividual and societal risk
Individual and societal riskSruthi Madhu
 
Presentación de Moodle
Presentación de MoodlePresentación de Moodle
Presentación de Moodlecruizgaray
 
Why Every NoSQL Deployment Should Be Paired with Hadoop Webinar
Why Every NoSQL Deployment Should Be Paired with Hadoop WebinarWhy Every NoSQL Deployment Should Be Paired with Hadoop Webinar
Why Every NoSQL Deployment Should Be Paired with Hadoop WebinarCloudera, Inc.
 
Data flow vs. procedural programming: How to put your algorithms into Flink
Data flow vs. procedural programming: How to put your algorithms into FlinkData flow vs. procedural programming: How to put your algorithms into Flink
Data flow vs. procedural programming: How to put your algorithms into FlinkMikio L. Braun
 
El cambio
El cambioEl cambio
El cambiomemoop
 
Realtime Apache Hadoop at Facebook
Realtime Apache Hadoop at FacebookRealtime Apache Hadoop at Facebook
Realtime Apache Hadoop at Facebookparallellabs
 
Design Patterns for Large-Scale Real-Time Learning
Design Patterns for Large-Scale Real-Time LearningDesign Patterns for Large-Scale Real-Time Learning
Design Patterns for Large-Scale Real-Time LearningSwiss Big Data User Group
 
Building Distributed Data Streaming System
Building Distributed Data Streaming SystemBuilding Distributed Data Streaming System
Building Distributed Data Streaming SystemAshish Tadose
 
Introduction to Big Data & Hadoop Architecture - Module 1
Introduction to Big Data & Hadoop Architecture - Module 1Introduction to Big Data & Hadoop Architecture - Module 1
Introduction to Big Data & Hadoop Architecture - Module 1Rohit Agrawal
 
Impala Unlocks Interactive BI on Hadoop
Impala Unlocks Interactive BI on HadoopImpala Unlocks Interactive BI on Hadoop
Impala Unlocks Interactive BI on HadoopCloudera, Inc.
 
Cloudera Impala Overview (via Scott Leberknight)
Cloudera Impala Overview (via Scott Leberknight)Cloudera Impala Overview (via Scott Leberknight)
Cloudera Impala Overview (via Scott Leberknight)Cloudera, Inc.
 
Realtime Data Analysis Patterns
Realtime Data Analysis PatternsRealtime Data Analysis Patterns
Realtime Data Analysis PatternsMikio L. Braun
 
Hpca2012 facebook keynote
Hpca2012 facebook keynoteHpca2012 facebook keynote
Hpca2012 facebook keynoteparallellabs
 
Apache Tez: Accelerating Hadoop Query Processing
Apache Tez: Accelerating Hadoop Query Processing Apache Tez: Accelerating Hadoop Query Processing
Apache Tez: Accelerating Hadoop Query Processing DataWorks Summit
 
Introduction to Real-Time Data Processing
Introduction to Real-Time Data ProcessingIntroduction to Real-Time Data Processing
Introduction to Real-Time Data ProcessingApache Apex
 
Introduction to Yarn
Introduction to YarnIntroduction to Yarn
Introduction to YarnApache Apex
 
Intro to Apache Apex @ Women in Big Data
Intro to Apache Apex @ Women in Big DataIntro to Apache Apex @ Women in Big Data
Intro to Apache Apex @ Women in Big DataApache Apex
 
Deep Dive into Apache Apex App Development
Deep Dive into Apache Apex App DevelopmentDeep Dive into Apache Apex App Development
Deep Dive into Apache Apex App DevelopmentApache Apex
 
Introduction to Apache Apex
Introduction to Apache ApexIntroduction to Apache Apex
Introduction to Apache ApexApache Apex
 

Viewers also liked (20)

Individual and societal risk
Individual and societal riskIndividual and societal risk
Individual and societal risk
 
Presentación de Moodle
Presentación de MoodlePresentación de Moodle
Presentación de Moodle
 
Why Every NoSQL Deployment Should Be Paired with Hadoop Webinar
Why Every NoSQL Deployment Should Be Paired with Hadoop WebinarWhy Every NoSQL Deployment Should Be Paired with Hadoop Webinar
Why Every NoSQL Deployment Should Be Paired with Hadoop Webinar
 
Data flow vs. procedural programming: How to put your algorithms into Flink
Data flow vs. procedural programming: How to put your algorithms into FlinkData flow vs. procedural programming: How to put your algorithms into Flink
Data flow vs. procedural programming: How to put your algorithms into Flink
 
El cambio
El cambioEl cambio
El cambio
 
Realtime Apache Hadoop at Facebook
Realtime Apache Hadoop at FacebookRealtime Apache Hadoop at Facebook
Realtime Apache Hadoop at Facebook
 
The influence-of-prayer-coping-on-patients
The influence-of-prayer-coping-on-patientsThe influence-of-prayer-coping-on-patients
The influence-of-prayer-coping-on-patients
 
Design Patterns for Large-Scale Real-Time Learning
Design Patterns for Large-Scale Real-Time LearningDesign Patterns for Large-Scale Real-Time Learning
Design Patterns for Large-Scale Real-Time Learning
 
Building Distributed Data Streaming System
Building Distributed Data Streaming SystemBuilding Distributed Data Streaming System
Building Distributed Data Streaming System
 
Introduction to Big Data & Hadoop Architecture - Module 1
Introduction to Big Data & Hadoop Architecture - Module 1Introduction to Big Data & Hadoop Architecture - Module 1
Introduction to Big Data & Hadoop Architecture - Module 1
 
Impala Unlocks Interactive BI on Hadoop
Impala Unlocks Interactive BI on HadoopImpala Unlocks Interactive BI on Hadoop
Impala Unlocks Interactive BI on Hadoop
 
Cloudera Impala Overview (via Scott Leberknight)
Cloudera Impala Overview (via Scott Leberknight)Cloudera Impala Overview (via Scott Leberknight)
Cloudera Impala Overview (via Scott Leberknight)
 
Realtime Data Analysis Patterns
Realtime Data Analysis PatternsRealtime Data Analysis Patterns
Realtime Data Analysis Patterns
 
Hpca2012 facebook keynote
Hpca2012 facebook keynoteHpca2012 facebook keynote
Hpca2012 facebook keynote
 
Apache Tez: Accelerating Hadoop Query Processing
Apache Tez: Accelerating Hadoop Query Processing Apache Tez: Accelerating Hadoop Query Processing
Apache Tez: Accelerating Hadoop Query Processing
 
Introduction to Real-Time Data Processing
Introduction to Real-Time Data ProcessingIntroduction to Real-Time Data Processing
Introduction to Real-Time Data Processing
 
Introduction to Yarn
Introduction to YarnIntroduction to Yarn
Introduction to Yarn
 
Intro to Apache Apex @ Women in Big Data
Intro to Apache Apex @ Women in Big DataIntro to Apache Apex @ Women in Big Data
Intro to Apache Apex @ Women in Big Data
 
Deep Dive into Apache Apex App Development
Deep Dive into Apache Apex App DevelopmentDeep Dive into Apache Apex App Development
Deep Dive into Apache Apex App Development
 
Introduction to Apache Apex
Introduction to Apache ApexIntroduction to Apache Apex
Introduction to Apache Apex
 

Similar to REDES NEURONALES

Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronalesangelsdq
 
Investigación redes neuronales
Investigación redes neuronalesInvestigación redes neuronales
Investigación redes neuronalestiburciosam
 
Overview of Artificial Neural Networks and its Applications
Overview of Artificial Neural Networks and its ApplicationsOverview of Artificial Neural Networks and its Applications
Overview of Artificial Neural Networks and its ApplicationsRamiro Aduviri Velasco
 
IA conexionista-Redes Neuronales Artificiales: introducción
IA conexionista-Redes Neuronales Artificiales: introducciónIA conexionista-Redes Neuronales Artificiales: introducción
IA conexionista-Redes Neuronales Artificiales: introducciónPriscill Orue Esquivel
 
Utp 2015-2_sirn_s2_rna
 Utp 2015-2_sirn_s2_rna Utp 2015-2_sirn_s2_rna
Utp 2015-2_sirn_s2_rnajcbp_peru
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronaleslennydan11
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronaleslennydan11
 
Utp 2015-2_ia_s2_intro a las rna
 Utp 2015-2_ia_s2_intro a las rna  Utp 2015-2_ia_s2_intro a las rna
Utp 2015-2_ia_s2_intro a las rna jcbp_peru
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronalesmaria201126
 
EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.
EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.
EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.Yuset Naymizu
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes NeuronalesDavid852
 

Similar to REDES NEURONALES (20)

Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Ia primera parte
Ia primera parteIa primera parte
Ia primera parte
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Investigación redes neuronales
Investigación redes neuronalesInvestigación redes neuronales
Investigación redes neuronales
 
Overview of Artificial Neural Networks and its Applications
Overview of Artificial Neural Networks and its ApplicationsOverview of Artificial Neural Networks and its Applications
Overview of Artificial Neural Networks and its Applications
 
IA conexionista-Redes Neuronales Artificiales: introducción
IA conexionista-Redes Neuronales Artificiales: introducciónIA conexionista-Redes Neuronales Artificiales: introducción
IA conexionista-Redes Neuronales Artificiales: introducción
 
Redes 1
Redes 1Redes 1
Redes 1
 
Snc sesion 1 y 2
Snc sesion 1 y 2Snc sesion 1 y 2
Snc sesion 1 y 2
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Utp 2015-2_sirn_s2_rna
 Utp 2015-2_sirn_s2_rna Utp 2015-2_sirn_s2_rna
Utp 2015-2_sirn_s2_rna
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Utp 2015-2_ia_s2_intro a las rna
 Utp 2015-2_ia_s2_intro a las rna  Utp 2015-2_ia_s2_intro a las rna
Utp 2015-2_ia_s2_intro a las rna
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.
EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.
EL COMPUTADOR Y LA FORMACIÓN DE LA AUTO IMAGEN.
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 

More from Joan Luis Avalos Caycho (11)

Negocios electronicos
Negocios electronicosNegocios electronicos
Negocios electronicos
 
REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALES
 
Clasificacion De La Informacion
Clasificacion De La InformacionClasificacion De La Informacion
Clasificacion De La Informacion
 
REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALES
 
La Robotica
La RoboticaLa Robotica
La Robotica
 
La Robotica
La RoboticaLa Robotica
La Robotica
 
Tipos De Sistemas De Informacion
Tipos De Sistemas De InformacionTipos De Sistemas De Informacion
Tipos De Sistemas De Informacion
 
Tipos De Sistemas De Informacion
Tipos De Sistemas De InformacionTipos De Sistemas De Informacion
Tipos De Sistemas De Informacion
 
015
015015
015
 
015
015015
015
 
Capitulo02
Capitulo02Capitulo02
Capitulo02
 

Recently uploaded

Proyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptxProyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptx241521559
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfsoporteupcology
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITMaricarmen Sánchez Ruiz
 
EPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveEPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveFagnerLisboa3
 
Presentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptxPresentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptxLolaBunny11
 
9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudianteAndreaHuertas24
 
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricGlobal Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricKeyla Dolores Méndez
 
International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)GDGSucre
 
guía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Josephguía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan JosephBRAYANJOSEPHPEREZGOM
 
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE  DE TECNOLOGIA E INFORMATICA PRIMARIACLASE  DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIAWilbisVega
 
KELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesKELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesFundación YOD YOD
 
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...silviayucra2
 
trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdfIsabellaMontaomurill
 
Herramientas de corte de alta velocidad.pptx
Herramientas de corte de alta velocidad.pptxHerramientas de corte de alta velocidad.pptx
Herramientas de corte de alta velocidad.pptxRogerPrieto3
 
Trabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíaTrabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíassuserf18419
 

Recently uploaded (15)

Proyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptxProyecto integrador. Las TIC en la sociedad S4.pptx
Proyecto integrador. Las TIC en la sociedad S4.pptx
 
Redes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdfRedes direccionamiento y subredes ipv4 2024 .pdf
Redes direccionamiento y subredes ipv4 2024 .pdf
 
pruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNITpruebas unitarias unitarias en java con JUNIT
pruebas unitarias unitarias en java con JUNIT
 
EPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial UninoveEPA-pdf resultado da prova presencial Uninove
EPA-pdf resultado da prova presencial Uninove
 
Presentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptxPresentación guía sencilla en Microsoft Excel.pptx
Presentación guía sencilla en Microsoft Excel.pptx
 
9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante9egb-lengua y Literatura.pdf_texto del estudiante
9egb-lengua y Literatura.pdf_texto del estudiante
 
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft FabricGlobal Azure Lima 2024 - Integración de Datos con Microsoft Fabric
Global Azure Lima 2024 - Integración de Datos con Microsoft Fabric
 
International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)International Women's Day Sucre 2024 (IWD)
International Women's Day Sucre 2024 (IWD)
 
guía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Josephguía de registro de slideshare por Brayan Joseph
guía de registro de slideshare por Brayan Joseph
 
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE  DE TECNOLOGIA E INFORMATICA PRIMARIACLASE  DE TECNOLOGIA E INFORMATICA PRIMARIA
CLASE DE TECNOLOGIA E INFORMATICA PRIMARIA
 
KELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento ProtégelesKELA Presentacion Costa Rica 2024 - evento Protégeles
KELA Presentacion Costa Rica 2024 - evento Protégeles
 
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
POWER POINT YUCRAElabore una PRESENTACIÓN CORTA sobre el video película: La C...
 
trabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdftrabajotecologiaisabella-240424003133-8f126965.pdf
trabajotecologiaisabella-240424003133-8f126965.pdf
 
Herramientas de corte de alta velocidad.pptx
Herramientas de corte de alta velocidad.pptxHerramientas de corte de alta velocidad.pptx
Herramientas de corte de alta velocidad.pptx
 
Trabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnologíaTrabajo Mas Completo De Excel en clase tecnología
Trabajo Mas Completo De Excel en clase tecnología
 

REDES NEURONALES

  • 1.
  • 2. Los intentos por imitar el funcionamiento del cerebro han seguido la evolución del estado de la tecnología. Por ejemplo, al finalizar el siglo 19 se le comparó con la operación de la bomba hidráulica; durante la década de 1920 a 1930 se intento utilizar la teoría de la conmutación telefónica como punto de partida de un sistema de conocimiento similar al del cerebro
  • 3.  Las Redes Neuronales Artificiales  Sistema Experto.  Un método más avanzado para representar el conocimiento, es el sistema experto. Típicamente está compuesto por varias clases de información almacenada: Las reglas If - Then le dicen al sistema como se debe reaccionar ante los estados del quot;mundoquot;.
  • 4.  Interpretación De La Neurona Por Computadora  Una neurona se puede comparar con una caja negra compuesta por varias entradas y una salida. La relación de activación entre la salida y la entrada, o en términos circuitales o de teoría de control, la función de transferencia se encuentra en la ..figura 2.  La variable f es la frecuencia de activación o emisión de potenciales y u es la intensidad del estímulo del soma.
  • 5. La Neurona Artificial  Un circuito eléctrico que realice la sume ponderada de las diferentes señales que recibe de otras unidades iguales y produzca en la salida un uno o un cero según el resultado de la suma con relación al umbral o nivel de disparo, conforma una buena representación de lo que es una neurona artificial
  • 6. Diferencias entre el cerebro y un ordenador  La diferencia más importante y decisiva el cómo se produce el almacenamiento de información en el cerebro y en el ordenador.  Ordenador: Los datos se guardan en posiciones de memoria que son seldillas aisladas entre sí. Así cuando se quiere acceder a una posición de memoria se obtiene el dato de esta celdilla. Sin que las posiciones de memoria aldeanas sé de por aludidas.  Cerebro: La gestión es totalmente diferente. Cuando buscamos una información no hace falta que sepamos donde se encuentra almacenada y en realidad no lo podemos saber ya que nadie sabe donde guarda hasta hoy en ida el cerebro los datos.
  • 7. Cerebro  Computadora  Sistema de datos de múltiple propósito capaz de tratar gran cantidad de información en poco tiempo pero no nesesariamente con exactitud.  Sistemas altamente especializados con capacidad para procesar información muy concreta, siguiendo unas instrucciones dadas.  · La frecuencia de los impulsos nerviosos puede variar.  · La frecuencia de transmisión es inalterable y esta dada por el reloj interno de la maquina.  Las llamadas sinapsis cumple en el cerebro la función simultánea de varias compuertas (and, or, not etc.)  · Las compuertas lógicas tienen una función perfectamente determinada e inalterable.  La memoria es del tipo asociativo y no se sabe dónde quedara almacenada.  · La información se guarda en posiciones de memoria de acceso directo por su dirección.  Los impulsos fluyen a 30 metros por segundo.  · En el interior de una computadora los impulsos fluyen a la velocidad de la luz.