Redes Neuronales

2,251 views

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
2,251
On SlideShare
0
From Embeds
0
Number of Embeds
11
Actions
Shares
0
Downloads
86
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Redes Neuronales

  1. 1. Fundamentos de las Redes Neuronales Artificiales<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  2. 2. Elementos de una Red Neuronal Artificial<br />Unidades de Proceso: La neurona artificial<br />Estado de activación<br />Función de salida o de transferencia<br />Conexión entre neuronas<br />Función o regla de activación<br />Regla de Aprendizaje<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  3. 3. Unidades de Proceso: La neurona artificial<br />Si se tienen N unidades (neuronas), podemos ordenarlas arbitrariamente y designar la j-ésima unidad como Uj.<br />Su trabajo es simple y único, y consiste en escribir las entradas de las células vecinas y calcular un valor de salida el cual es enviado a todas las células restantes.<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  4. 4. Estado de activación<br />Cada elemento del conjunto de unidades (neuronas) tiene asociado un valor que representa la activación de la unidad en un tiempo t.<br />La activación de la unidad Ui en el tiempo t se designa por ai(t) y al vector de N números reales como A(t).<br />A(t) = (a1(t), a2(t), … , ai(t), …., aN(t) )<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  5. 5. Función de salida o de transferencia…<br />Entre las neuronas que forman una Red Neuronal existe un conjunto de conexiones que unen unas con otras. Cada unidad transmite señales a aquellas que están conectadas a su salida.<br />Asociada a cada unidad Ui hay una función de salida fi(ai(t)) que transforma el estado actual de activación ai(t) en una señal de salida yi; es decir:<br />yi=fi(ai(t))<br />Y(t) = (f1 ( a1(t)), f2( a2(t)), … , fi(ai(t)), …., fN(aN(t)) )<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  6. 6. Función de salida o de transferencia…<br />Existen cuatro funciones de transferencia típicas que determinan distintos tipos de neuronas:<br />Función escalón<br />Función lineal y mixta<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  7. 7. Función de salida o de transferencia…<br />Existen cuatro funciones de transferencia típicas que determinan distintos tipos de neuronas:<br />Función sigmoidal<br />Función gaussiana<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  8. 8. Conexión entre neuronas (regla de propagación)<br />Las conexiones entre neuronas tienes asociado un peso. Sea yi el valor de salida de una neurona i en un instante dado. Cada conexión (sinapsis) entre la neurona i y la neurona j está ponderada por un peso wij. <br />La entrada neta que recibe una neurona netj es la suma del producto de cada señal individual por el valor de la sinapsis que conecta ambas neuronas.<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  9. 9. Función o regla de activación<br />Así como es necesario una regla que combine las entradas a una neurona con los pesos de las conexiones, también es necesario una regla que combine las entradas con el estado actual de la neurona para producir un nuevo estado de activación.<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  10. 10. Regla de Aprendizaje<br />Biológicamente, se acepta que la información memorizada en el cerebro está más relacionada con los valores sinápticos de las conexiones entre las neuronas que con ellas mismas.<br />En las redes neuronales artificiales, se puede considerar que el conocimiento se encuentra representado en los pesos de las conexiones entre neuronas.<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  11. 11. Estructura de una Red Neuronal Artificial<br />Niveles o capas de neuronas<br />Formas de conexión entre neuronas<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  12. 12. Topología de las Redes Neuronales<br />Redes Monocapa<br />Redes Multicapa<br /> Redes con conexiones hacia adelante (feedforward)<br /> Redes con conexiones hacia adelante y hacia atrás (feedforward/feedback)<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  13. 13. Mecanismo de Aprendizaje<br />Redes con aprendizaje supervisado <br /> Aprendizaje por corrección de error<br /> Aprendizaje por refuerzo<br /> Aprendizaje estocástico<br />Redes con aprendizaje no supervisado<br /> Aprendizaje hebbiano<br /> Aprendizaje competitivo y cooperativo<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  14. 14. Tipo de Asociación entre las informaciones de Entrada y Salida<br />Redes heteroasociativas<br />Redes Autoasociativas<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  15. 15. El Perceptron<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  16. 16. El Perceptron Multinivel<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  17. 17. Redes Adaline y Madaline<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  18. 18. La Red Backpropagation<br />Redes heteroasociativas<br />Redes Autoasociativas<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  19. 19. La Red de Hopfield<br />Redes heteroasociativas<br />Redes Autoasociativas<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  20. 20. Modelo de Resonancia Adaptativa (ART)<br />Redes heteroasociativas<br />Redes Autoasociativas<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  21. 21. El Modelo de Kohonen<br />Redes heteroasociativas<br />Redes Autoasociativas<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />
  22. 22. Redes Neuronales y Lógica Borrosa<br />Redes heteroasociativas<br />Redes Autoasociativas<br />Universidad Juárez Autónoma de Tabasco <br />División Académica de Ciencias Biológicas<br />Redes Neuronales Artificiales<br />LC Jesús Manuel Carrera Velueta<br />

×