Aplicacion redes neuronales

  • 148 views
Uploaded on

Redes neuronales y aplicaciones

Redes neuronales y aplicaciones

More in: Education
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Be the first to comment
    Be the first to like this
No Downloads

Views

Total Views
148
On Slideshare
0
From Embeds
0
Number of Embeds
0

Actions

Shares
Downloads
4
Comments
0
Likes
0

Embeds 0

No embeds

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
    No notes for slide

Transcript

  • 1. Redes neuronalesSon un paradigma de aprendizaje y procesamientoautomático inspirado en la forma en que funciona el sistemanervioso de los animales. Se trata de un sistema deinterconexión de neuronas que colaboran entre sí para producirun estímulo de salida.
  • 2. Los primeros modelos de redes neuronales datan Historia de 1943 por los neurólogos McCulloch y Pitts. Años más tarde, en 1949, Donald Hebb desarrolló sus ideas sobre el aprendizaje neuronal, quedando reflejado en la "regla de Hebb". En 1958, Rosemblatt desarrolló el perceptrón simple, y en 1960, Widrow y Hoff desarrollaron el ADALINE, que fue la primera aplicación industrial real.En los años siguientes, se redujo la investigación, debido ala falta de modelos de aprendizaje y el estudio de Minskyy Papert sobre las limitaciones del perceptrón. Sinembargo, en los años 80, volvieron a resurgir las RNAgracias al desarrollo de la red de Hopfield, y en especial, alalgoritmo de aprendizaje de retropropagación ideado porRumelhart y McLellan en 1986 que fue aplicado en eldesarrollo de los perceptrones multicapa.
  • 3. Estructura de una Red Neuronal ArtificialLas redes neuronales artificiales están formadas por una gran cantidad deneuronas, estas no suelen denominarse neuronas artificiales sino nodos o unidadesde salida. Un nodo o neurona cuenta con una cantidad variable de entradas queprovienen del exterior (X1, X2, ......, Xm). A su vez dispone de una sola salida (Xj) quetransmitirá la información al exterior o hacia otras neuronas. Cada Xj o señal de salidatiene asociada una magnitud llamada peso este se calculará en función de lasentradas, por lo cual cada una de ellas es afectada por un determinado peso(Wjo...Wjq+m) (13). Los pesos corresponden a la intensidad de los enlaces sinápticosentre neuronas y varían libremente en función del tiempo y en cada una de lasneuronas que forman parte de la red. (Fig. 1).
  • 4. Aplicaciones de las Redes NeuronalesLas redes neuronales son una tecnología computacional emergente que puedeutilizarse en un gran número y variedad de aplicaciones, tanto como comercialescomo militares.Hay muchos tipos diferentes de redes neuronales, cada uno de los cuales tiene unaplicación particular más apropiada. Separándolas según las distintas disciplinasalgunos ejemplos de sus aplicaciones son:
  • 5. Biología:Aprender más acerca del cerebro y otros sistemas.Obtención de modelos de la retina.EmpresaReconocimiento de caracteres escritos.Identificación de candidatos para posiciones específicas.Optimización de plazas y horarios en líneas de vuelo.Explotación de bases de datos.Evaluación de probabilidad de formaciones geológicas ypetrolíferas.Síntesis de voz desde texto.Medio AmbienteAnalizar tendencias y patrones.Previsión del tiempo.
  • 6. FinanzasPrevisión de la evolución de los precios.Valoración del riesgo de los créditos.Identificación de falsificaciones.Interpretación de firmas.ManufacturaciónRobots automatizados y sistemas de control (visiónartificial y sensores de presión, temperatura, gas, etc.)Control de producción en líneas de proceso.Inspección de calidad.Filtrado de señales.
  • 7. MedicinaAnalizadores del habla para la ayuda de audición desordos profundos.Diagnóstico y tratamiento a partir de síntomas y/ode datos analíticos (encefalograma, etc.).Monitorización en cirugía.Predicción de reacciones adversas a losmedicamentos.Lectoras de Rayos X.Entendimiento de causa de ataques epilépticos.MilitaresClasificación de las señales de radar .Creación de armas inteligentes.Optimización del uso de recursos escasos.
  • 8. VentajasLas redes neuronales artificiales (RNA) tienen muchas ventajas debido a que están basadas en laestructura del sistema nervioso, principalmente el cerebro.Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se llama etapa deaprendizaje. Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cuál es lasalida (respuesta) esperada.Auto organización: Una RNA crea su propia representación de la información en su interior, descargandoal usuario de esto.Tolerancia a fallos: Debido a que una RNA almacena la información de forma redundante, ésta puedeseguir respondiendo de manera aceptable aun si se daña parcialmente.Flexibilidad: Una RNA puede manejar cambios no importantes en la información de entrada, como señalescon ruido u otros cambios en la entrada (por ejemplo si la información de entrada es la imagen de unobjeto, la respuesta correspondiente no sufre cambios si la imagen cambia un poco su brillo o el objetocambia ligeramente).Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es implementado con computadoraso en dispositivos electrónicos especiales, se pueden obtener respuestas en tiempo real.