SlideShare una empresa de Scribd logo
1 de 11
Redes Neuronales Gabriela Olvera Trejo Desarrollo de Negocios DN-12 Matricula 1710100220
¿Qué son las redes neuronales?  El cerebro 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.
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.
Historia  McCulloch y Pitts dio origen a los modelos conexionista definiendo formalmente la neurona en 1943 como una maquina binaria con varias entradas y salidas.  Hebb, definió en 1949 dos conceptos muy importantes y fundamentales quehan pesado en el campo de las redes neuronales, basándose en investigaciones psicofisiológicas:  • El aprendizaje se localiza en las sinapsis o conexiones entre las neuronas. • La información se representan en el cerebro mediante un conjunto de neuronas activas o inactivas.
La Neurona Biológica  Del cerebro, visto a alto nivel y simplificando su estructura, podríamos decir que es un conjunto de millones y millones de unas células especiales, llamadas neuronas, interconectadas entre ellas por sinapsis.
Los neurotransmisores liberados en las sinapsis al final de las ramificaciones axonales pueden tener un efecto negativo o positivo sobre la transmisión del impulso eléctrico de la neurona que los recibe en sus dendritas. La neurona receptora recibe varias señales desde las distintas sinapsis y las combina consiguiendo un cierto nivel de estimulación o potencial.
La neurona artificial como símil de la neurona biológica Las neuronas artificiales son modelos que tratan de simular el comportamiento de las neuronas descritas en el apartado anterior 3. Cada neurona se representa como una unidad de proceso que forma parte de una entidad mayor, la red neuronal.
Funciones en el modelo de Neurona Artificial. El modelo de neurona artificial que hemos expuesto en el apartado anterior, modela la neurona como una serie de funciones que se componen entre ellas siendo los resultados unas los parámetros de otras.
Estructuras de las Redes Neuronales Artificiales  Las redes neuronales típicamente están formadas por una serie de capas de neuronas que están unidas entre si mediante sinapsis. Las neuronas artificiales como unidades independientes no son muy eficaces para el tratamiento de la información y se agrupan en estructuras más grandes, las redes de neuronas artificiales o redes neuronales.
Niveles de Neuronas ,[object Object]
De Salida: estas envían la información hacia el exterior.

Más contenido relacionado

La actualidad más candente

Proyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronalesProyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronalesFryzi
 
Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2UNEFA
 
Introduccion redes neuronales artificiales
Introduccion redes neuronales artificialesIntroduccion redes neuronales artificiales
Introduccion redes neuronales artificialesESCOM
 
Redes neuronales artificiales
Redes neuronales artificialesRedes neuronales artificiales
Redes neuronales artificialesPepe Rodríguez
 
REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALESfernandi
 
Planteamiento conexionista de la estructura del conocimiento.10
Planteamiento conexionista de la estructura del conocimiento.10Planteamiento conexionista de la estructura del conocimiento.10
Planteamiento conexionista de la estructura del conocimiento.10FRANCIA TELLEZ
 
REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALESHB09
 
Redes neuronales artificiales
Redes neuronales artificialesRedes neuronales artificiales
Redes neuronales artificialesdiana_jazmin
 
redes neuronales
redes neuronalesredes neuronales
redes neuronalesSara Silva
 

La actualidad más candente (18)

Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Proyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronalesProyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronales
 
Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2
 
Introduccion redes neuronales artificiales
Introduccion redes neuronales artificialesIntroduccion redes neuronales artificiales
Introduccion redes neuronales artificiales
 
Redes neuronales artificiales
Redes neuronales artificialesRedes neuronales artificiales
Redes neuronales artificiales
 
REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALES
 
Planteamiento conexionista de la estructura del conocimiento.10
Planteamiento conexionista de la estructura del conocimiento.10Planteamiento conexionista de la estructura del conocimiento.10
Planteamiento conexionista de la estructura del conocimiento.10
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
REDES NEURONALES
REDES NEURONALESREDES NEURONALES
REDES NEURONALES
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes neuronales artificiales
Redes neuronales artificialesRedes neuronales artificiales
Redes neuronales artificiales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Redes neuronale
Redes neuronaleRedes neuronale
Redes neuronale
 
Perceptron
PerceptronPerceptron
Perceptron
 
Redes neuronales artificiales
Redes neuronales artificialesRedes neuronales artificiales
Redes neuronales artificiales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
redes neuronales
redes neuronalesredes neuronales
redes neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 

Similar a Dn 12 u2_a3_got

Similar a Dn 12 u2_a3_got (20)

Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Funciones satlin satlins
Funciones satlin satlinsFunciones satlin satlins
Funciones satlin satlins
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Red Neuronal Artificial
Red Neuronal ArtificialRed Neuronal Artificial
Red Neuronal Artificial
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Apuntes ampliados
Apuntes ampliadosApuntes ampliados
Apuntes ampliados
 
Sistemas Basados en Casos IUT
Sistemas Basados en Casos IUTSistemas Basados en Casos IUT
Sistemas Basados en Casos IUT
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Nedes Neuronales Artificiales
Nedes Neuronales Artificiales Nedes Neuronales Artificiales
Nedes Neuronales Artificiales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 
Investigación redes neuronales
Investigación redes neuronalesInvestigación redes neuronales
Investigación redes neuronales
 
Satlin y satlins
Satlin y satlinsSatlin y satlins
Satlin y satlins
 
Funciones de activación Satlin y Satlins en Matlab
Funciones de activación Satlin y Satlins en MatlabFunciones de activación Satlin y Satlins en Matlab
Funciones de activación Satlin y Satlins en Matlab
 
Red neuronal
Red neuronalRed neuronal
Red neuronal
 
Redes Neuronales
 Redes Neuronales Redes Neuronales
Redes Neuronales
 
La importancia de las redes neuronales en la ciencia
La importancia de las redes neuronales en la cienciaLa importancia de las redes neuronales en la ciencia
La importancia de las redes neuronales en la ciencia
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 

Más de gabiisalvatore (15)

Dn 12 u2_a6_got
Dn 12 u2_a6_gotDn 12 u2_a6_got
Dn 12 u2_a6_got
 
Dn 12 u2_a4_got
Dn 12 u2_a4_gotDn 12 u2_a4_got
Dn 12 u2_a4_got
 
Dn 12 u2_a5_got
Dn 12 u2_a5_gotDn 12 u2_a5_got
Dn 12 u2_a5_got
 
Dn 12 u2_a1_got
Dn 12 u2_a1_gotDn 12 u2_a1_got
Dn 12 u2_a1_got
 
Dn 12 u2_a2_got
Dn 12 u2_a2_gotDn 12 u2_a2_got
Dn 12 u2_a2_got
 
Dn12 3 eval_got
Dn12 3 eval_gotDn12 3 eval_got
Dn12 3 eval_got
 
Dn 12 u3_a8_got
Dn 12 u3_a8_gotDn 12 u3_a8_got
Dn 12 u3_a8_got
 
Dn 12 u3_a7_got
Dn 12 u3_a7_gotDn 12 u3_a7_got
Dn 12 u3_a7_got
 
Dn 12 u3_a6_got
Dn 12 u3_a6_gotDn 12 u3_a6_got
Dn 12 u3_a6_got
 
Dn 12 u3_a5_got
Dn 12 u3_a5_gotDn 12 u3_a5_got
Dn 12 u3_a5_got
 
Dn 12 u3_a4_got
Dn 12 u3_a4_gotDn 12 u3_a4_got
Dn 12 u3_a4_got
 
Dn 12 u3_a3_got
Dn 12 u3_a3_gotDn 12 u3_a3_got
Dn 12 u3_a3_got
 
Dn 12 u3_a2_got
Dn 12 u3_a2_gotDn 12 u3_a2_got
Dn 12 u3_a2_got
 
Dn 12 u3_a1_got
Dn 12 u3_a1_gotDn 12 u3_a1_got
Dn 12 u3_a1_got
 
Dn 12 u3_a5_got
Dn 12 u3_a5_gotDn 12 u3_a5_got
Dn 12 u3_a5_got
 

Dn 12 u2_a3_got

  • 1. Redes Neuronales Gabriela Olvera Trejo Desarrollo de Negocios DN-12 Matricula 1710100220
  • 2. ¿Qué son las redes neuronales? El cerebro 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.
  • 3. 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.
  • 4. Historia McCulloch y Pitts dio origen a los modelos conexionista definiendo formalmente la neurona en 1943 como una maquina binaria con varias entradas y salidas. Hebb, definió en 1949 dos conceptos muy importantes y fundamentales quehan pesado en el campo de las redes neuronales, basándose en investigaciones psicofisiológicas: • El aprendizaje se localiza en las sinapsis o conexiones entre las neuronas. • La información se representan en el cerebro mediante un conjunto de neuronas activas o inactivas.
  • 5. La Neurona Biológica Del cerebro, visto a alto nivel y simplificando su estructura, podríamos decir que es un conjunto de millones y millones de unas células especiales, llamadas neuronas, interconectadas entre ellas por sinapsis.
  • 6. Los neurotransmisores liberados en las sinapsis al final de las ramificaciones axonales pueden tener un efecto negativo o positivo sobre la transmisión del impulso eléctrico de la neurona que los recibe en sus dendritas. La neurona receptora recibe varias señales desde las distintas sinapsis y las combina consiguiendo un cierto nivel de estimulación o potencial.
  • 7. La neurona artificial como símil de la neurona biológica Las neuronas artificiales son modelos que tratan de simular el comportamiento de las neuronas descritas en el apartado anterior 3. Cada neurona se representa como una unidad de proceso que forma parte de una entidad mayor, la red neuronal.
  • 8. Funciones en el modelo de Neurona Artificial. El modelo de neurona artificial que hemos expuesto en el apartado anterior, modela la neurona como una serie de funciones que se componen entre ellas siendo los resultados unas los parámetros de otras.
  • 9. Estructuras de las Redes Neuronales Artificiales Las redes neuronales típicamente están formadas por una serie de capas de neuronas que están unidas entre si mediante sinapsis. Las neuronas artificiales como unidades independientes no son muy eficaces para el tratamiento de la información y se agrupan en estructuras más grandes, las redes de neuronas artificiales o redes neuronales.
  • 10.
  • 11. De Salida: estas envían la información hacia el exterior.
  • 12.