Redes Neuronales
Upcoming SlideShare
Loading in...5
×
 

Redes Neuronales

on

  • 331 views

Una de las Técnicas de la Inteligencia Artificial más usadas actualmente.

Una de las Técnicas de la Inteligencia Artificial más usadas actualmente.

Statistics

Views

Total Views
331
Slideshare-icon Views on SlideShare
328
Embed Views
3

Actions

Likes
0
Downloads
5
Comments
0

1 Embed 3

http://www.slideshare.net 3

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Redes Neuronales Redes Neuronales Presentation Transcript

    •   INGENIERÍA EN SISTEMAS COMPUTACIONALES       Presenta: Elian García Marín   Inteligencia Artificial Tema: REDES NEURONALES.     INSTITUTO TECNOLÓGICO SUPERIOR DE LIBRES  
    • LA NEURONA El tejido nervioso es el más diferenciado del organismo y está constituido por células nerviosas. Estas se denominan neuronas, que son la unidad funcional del sistema nervioso. Se estima que en cada milímetro del cerebro hay cerca de 50.000 neuronas. El cuerpo de la neurona contiene el núcleo. Que se encarga de todas las actividades metabólicas de la misma y recibe la información de otras vecinas a través de las conexiones sinápticas.
    • ¿ QUÉ ES UNA RED NEURONAL?
      • Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida.
      HISTORIA DE REDES NEURONALES Los intentos por imitar el funcionamiento del cerebro han seguido la evolución del estado de la tecnología. Entre 1940 y 1950 los científicos comenzaron a pensar seriamente en las redes neuronales utilizando como concepto la noción de que las neuronas del cerebro funcionan como interruptores digitales. Así nace la idea de "revolución cibernética" que maneja la analogía entre el cerebro y el computador digital.
      • OBJETIVO DE LAS REDES NEURONALES
        • Conseguir, diseñar y construir máquinas capaces de realizar procesos con cierta inteligencia.
      •  
      • ¿ PARA QUE SIRVEN?
        • Esta tecnología puede ser desarrollada tanto en software como en hardware y con ella se pueden construir sistemas capaces de aprender, de adaptarse a condiciones variantes, o inclusive si se dispone de una colección suficiente grande de datos, predecir el estado futuro de algunos modelos.
      •  
    • ESTRUCTURA
      • Una neurona cuenta con una cantidad variable de entradas que provienen del exterior. A su vez dispone de una sola salida que transmitirá la información al exterior o hacia otras neuronas.
      • Cada señal de salida tiene asociada una magnitud llamada peso, este se calculará en función de las entradas, por lo cual cada una de ellas es afectada por un determinado peso, el cual es ajustado durante la fase de aprendizaje.
      • Así en una Red neuronal entrenada, el conjunto de los pesos determina el conocimiento de esa Red y tiene la propiedad de resolver el problema para el que ha sido entrenada.
    • VENTAJAS Aprendizaje : Las RN tienen la habilidad de aprender mediante una etapa. Esta consiste en proporcionar a la RN datos como entrada a su vez que se le indica cuál es la salida (respuesta) esperada. Auto organización : Una RN crea su propia representación de la información en su interior, descargando al usuario de esto. Tolerancia a fallos : Debido a que una RN almacena la información de forma redundante, ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente. Flexibilidad : Una RN puede manejar cambios no importantes en la información de entrada, como señales con ruido u otros cambios en la entrada.
    • APLICACIONES Asimismo se han utilizado para encontrar patrones de fraude económico, hacer predicciones en el mercado financiero, hacer predicciones de tiempo atmosférico, etc. Las características de las RN las hacen bastante apropiadas para aplicaciones como son: problemas de clasificación y reconocimiento de patrones de voz, imágenes, señales, etc. También se pueden utilizar cuando no existen modelos matemáticos precisos o algoritmos con complejidad razonable
    • CONCLUSIÓN . Hoy en día se continúa estudiando en ésta misma línea, con resultados sorprendentes, existen maneras de realizar procesos similares a los inteligentes y que podemos encuadrar dentro de la llamada Inteligencia Artificial (IA).