Sei sulla pagina 1di 7

Repblica Bolivariana de Venezuela

Ministerio del Poder Popular para la Defensa


Universidad Nacional Experimental Politcnica de la Fuerza Armada
San Cristbal Estado Tchira

REDES NEURALES

Alumna:
Medina Ayala Evelin Thaidy C.I.26.936.530

Octubre del 2017


RED NEURAL

Las redes neuronales son una base importante para el desarrollo de


la vida (inteligencia artificial). Son inspiradas en el comportamiento de las
neuronas y conexiones del cerebro humano tratando de crear un programa,
sistema o mquina que sea capaz de solucionar problemas difciles, actuar de
forma humana, y realizar trabajos pesados mediante tcnicas algortmicas
convencionales. Siendo un modelo computacional basado en un gran conjunto
de unidades neuronales simples (neuronas artificiales),Cada unidad neuronal,
de forma individual, opera empleando funciones de suma. Puede existir una
funcin limitadora o umbral en cada conexin y en la propia unidad, de tal
modo que la seal debe sobrepasar un lmite antes de propagarse a otra
neurona.

Asemeja al cerebro en dos aspectos:

El conocimiento se adquiere por la red mediante un proceso de aprendizaje.


Las fuerzas de conexin interneuronal, conocidas como ponderaciones
sinpticas, se utilizan para almacenar el conocimiento.

El objetivo de la red neuronal es resolver los problemas de la misma manera


que el cerebro humano, aunque varias redes neuronales son ms abstractas.
Los proyectos de redes neurales modernas suelen trabajar con unos pocos
miles a unos pocos millones de unidades neuronales y millones de conexiones,
que sigue siendo varios rdenes de magnitud menos complejo que el cerebro
humano y ms cercano a la potencia de clculo de un gusano.

En los aos 40 cuando comenz a desarrollarse la informtica el modelo


neuronal le acompa, iniciando la aparicin de computadores digitales y las
teoras de procesamiento neuronal se iniciaron a finales de los aos 40. Desde
ese entonces hasta estos das, la investigacin neurofisiolgica y el estudio de
sistemas neuronales artificiales (ans, artificial neural systems) han ido de la
mano.

La palabra de red en el trmino "red neuronal artificial" se refiere a las


interconexiones entre las neuronas en las diferentes capas de cada sistema.
Un sistema de ejemplo tiene tres capas. La primera capa tiene neuronas de
entrada que envan datos a travs de las sinapsis a la segunda capa de
neuronas, y luego a travs de ms sinapsis a la tercera capa de neuronas de
salida.

Las principales ventajas que representan son:

-aprendizaje adaptativo: capacidad de aprender a realizar tareas basadas en


un entrenamiento o en una experiencia inicial.
-auto-organizacin: una red neuronal puede crear su propia organizacin o
representacin de la informacin que recibe mediante una etapa de
aprendizaje.
-tolerancia a fallos: la destruccin parcial de una red conduce a una
degradacin de su estructura; sin embargo, algunas capacidades de la red se
pueden retener, incluso sufriendo un gran dao.
-operacin en tiempo real: los cmputos neuronales pueden ser realizados en
paralelo; para esto se disean y fabrican mquinas con hardware especial para
obtener esta capacidad.
Las caractersticas especiales de los sistemas de computacin neuronal
permiten que sea utilizada esta nueva tcnica de clculo en una extensa
variedad de aplicaciones. La computacin neuronal provee un acercamiento
mayor al reconocimiento y percepcin humana que los mtodos tradicionales
de clculo. Algunas de las reas de aplicacin de las ann son las siguientes:
anlisis y procesado de seales reconocimiento de imgenes control de
procesos filtrado de ruido robtica procesado del lenguaje diagnsticos
mdicos. Algunos ejemplos de sus aplicaciones son:
Aprender ms acerca del cerebro y otros sistemas.
Empresa reconocimiento de caracteres escritos.
Identificacin de candidatos para posiciones especficas.
Explotacin de bases de datos.
Evaluacin de probabilidad de formaciones geolgicas y petrolferas.
Sintess de voz desde texto.
Medio ambiente analizar tendencias y patrones.
Identificacin de falsificaciones.
Manufacturacin robots automatizados y sistemas de control (visin
artificial y sensores de presin, temperatura, gas, etc.)
Creacin de armas inteligentes.

Tipos :

red neuronal artificial, modelos matemticos, computacionales, artificiales,


ideales de una red neuronal empleados en estadstica, psicologa cognitiva,
e inteligencia artificial.
red neuronal biolgica, cmulo de neuronas fsicamente interconectadas
cuya actividad ayuda a definir un circuito reconocible en el sistema
nervioso.
Ejemplo

por ejemplo en una red que se va a aplicar al


diagnstico de imgenes mdicas; durante la fase de entrenamiento el sistema
recibe imgenes de tejidos que se sabe son cancergenos y tejidos que se
sabe son sanos, as como las respectivas clasificaciones de dichas imgenes.
Si el entrenamiento es el adecuado, una vez concluido, el sistema podr recibir
imgenes de tejidos no clasificados y obtener su clasificacin sano/no sano con
un buen grado de seguridad. Las variables de entrada pueden ser desde los
puntos individuales de cada imagen hasta un vector de caractersticas de las
mismas que se puedan incorporar al sistema (por ejemplo, procedencia
anatmica del tejido de la imagen o la edad del paciente al que se le extrajo la
muestra).

Quake ii neuralbot
Un juegoii quake que utiliza una red neuronal artificial para decidi un bot es un
programa que simula a un jugador humano. El neuralbot es un bot para su
comportamiento y un algoritmo gentico para el aprendizaje. Es muy fcil
probarlo para ver su evolucin.

Dispositivos computacionales se han creado en el cmos , tanto para la


simulacin biofsica y computacin neuromorphic . Los esfuerzos ms recientes
se muestran prometedores para la creacin de nanodispositivos de una gran
escala de componentes .si tiene xito, se creara una nueva clase de
computacin neuronal , ya que depende de aprendizaje en lugar de la
programacin y porque es fundamentalmente analgico en lugar de digitales a
pesar de que las primeras instancias pueden ser de hecho con los dispositivos
digitales cmos.

Sistemas expertoses un sistema de informacin basado en el conocimiento


que usa su conocimiento de un rea de aplicacin compleja y especfica a fin
de actuar como un consultor experto para los usuarios finales. proporcionan
respuestas sobre un rea problemtica muy especfica al hacer inferencias
semejantes a las humanas sobre los conocimientos obtenidos en una base de
conocimientos especializados.
Es una rama de la Inteligencia artificial; son sistemas informticos que simulan
el proceso de aprendizaje, de memorizacin, de razonamiento, de
comunicacin y de accin en consecuencia de un experto humano en cualquier
rama de la ciencia.

Caractersticas

Habilidad para adquirir conocimiento.


Fiabilidad, para poder confiar en sus resultados o apreciaciones.
Solidez en el dominio de su conocimiento.
Capacidad para resolver problemas.

Estas caractersticas le permiten almacenar datos y conocimiento, sacar


conclusiones lgicas, tomar decisiones, aprender de la experiencia y los datos
existentes, comunicarse con expertos humanos, explicar el por qu de las
decisiones tomadas y realizar acciones como consecuencia de todo lo anterior.

Tipos de sistemas expertos


Existen tres tipos de sistemas expertos:
Basados en reglas: Aplicando reglas heursticas apoyadas generalmente
en lgica difusa para su evaluacin y aplicacin.
Basados en casos CBR (Case Based Reasoning): Aplicando el
razonamiento basado en casos, donde la solucin a un problema similar
planteado con anterioridad se adapta al nuevo problema.
Basados en redes: Aplicando redes bayesianas, basadas en estadstica
y el teorema de Bayes.
REAS DE APLICACIN
Los SE se aplican a una gran diversidad de campos y/o reas. A
continuacin se listan algunas de las principales:
Militar Informtica Telecomunicaciones
Qumica Derecho Aeronutica
Geologa Arqueologa Agricultura
Electrnica Transporte Educacin
Medicina Industria Finanzas y Gestin

Ventajas
Permanencia: A diferencia de un experto humano un SE (sistema
experto) no envejece, y por tanto no sufre prdida de facultades con el
paso del tiempo.
Replicacin: Una vez programado un SE lo podemos replicar infinidad
de veces.
Rapidez: Un SE puede obtener informacin de una base de datos y
realizar clculos numricos mucho ms rpido que cualquier ser
humano.
Bajo costo: A pesar de que el costo inicial pueda ser elevado, gracias a
la capacidad de duplicacin el coste finalmente es bajo.
Entornos peligrosos: Un SE puede trabajar en entornos peligrosos o
dainos para el ser humano.
Fiabilidad: Los SE no se ven afectados por condiciones externas, un
humano s (cansancio, presin, etc.).
Consolidar varios conocimientos.
Apoyo Acadmico.

moleculares a partir de unos datos qumicos sin elaborar.

itis y adems sugiere el tratamiento que se debe seguir en cada caso.

pulmon.

ia genetica.

a de programas.

circuitos microelectricos tridimensionales

po de la union de genes

los expertos a la escritura de programas


s a realizar, en casi todas las situaciones.

guas marinas.