Expo Redes Neuronales

7/22/2019 Expo Redes Neuronales

1/11

Materia:

Fundamentos de Inteligencia Artificial

Ponencia:

Redes Neuronales

Alumnos:

Luis Felipe Mndez Ruiz

Jos Arturo Arredondo Gonzlez

Maestro:

Ing. Jos Carlos Mercado Chan

UNID D C BORC


2/11

Redes Neuronales

Las redes neuronales artificiales (RNA) son un paradigma de aprendizaje y procesamiento

automtico inspirado en la forma en que funciona el sistema nervioso de los animales. Se

trata de un sistema de interconexinde neuronas en una red que colabora para producir un

estmulo de salida.

Funcionamiento:consisten en una simulacin de las propiedadesobservadas en lossistemas neuronales biolgicos a travs de modelos matemticos recreados

mediante mecanismos artificiales (como un circuito integrado, un ordenador o un

conjunto de vlvulas).

Objetivo:es conseguir que las mquinas den respuestas similares a las que es capazde dar el cerebroque se caracterizan por su generalizacin y su robustez.

Inteligencia Artificial, Redes Neuronales
http://localhost/var/www/apps/conversion/tmp/scratch_7/ia_rna.wmvhttp://localhost/var/www/apps/conversion/tmp/scratch_7/ia_rna.wmv


3/11

Redes Neuronales

Componentes: Unidades llamadas neuronas. Cada neurona recibe una serie de entradas a

travs de interconexiones y emite una salida.

Esta salida viene dada por tres funciones:

Una funcin de propagacin. tambin conocida como funcin de excitacin, quepor lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su

interconexin (valor neto). Si el peso es positivo, la conexin se denomina excitatoria; si es

negativo, se denomina inhibitoria.Una funcin de activacin, que modifica a la anterior.Puede no existir, siendo eneste caso la salida la misma funcin de propagacin.

Una funcin de transferencia. se aplica al valor devuelto por la funcin de

activacin.Se utiliza para acotar la salida de la neurona y generalmente viene dada por lainterpretacin que queramos darle a dichas salidas. Algunas de las ms utilizadas son la

funcin sigmoidea (para obtener valores en el intervalo [0,1]) y la tangente hiperblica(para obtener valores en el intervalo [-1,1]).


4/11


5/11

Redes Neuronales

Estructura:

RNA es muy diferente en trminos de estructura de un cerebro animal. Al igual que elcerebro, una RNA se compone de un conjunto masivamente paralelo de unidades de

proceso muy simples y es en las conexiones entre estas unidades donde reside la

inteligencia de la red.Sin embargo, en trminos de escala, un cerebro es muchsimo mayor

que cualquier RNA creada hasta la actualidad, y las neuronas artificiales tambin son ms

simples que su contrapartida animal.

Biolgicamente, un cerebro aprende mediante la reorganizacin de las conexiones

sinpticas entre las neuronas que lo componen.De la misma manera, las RNA tienen un gran

nmero de procesadores virtuales interconectados que de forma simplificada simulan la

funcionalidad de las neuronas biolgicas. En esta simulacin, la reorganizacin de las

conexiones sinpticas biolgicas se modela mediante un mecanismo de pesos, que son

ajustados durante la fase de aprendizaje.


6/11

Redes Neuronales

Ventajas:(Esta basadas en la estructura del sistema nervioso, principalmente el cerebro.)

Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa que se

llama etapa de aprendizaje. Esta consiste en proporcionar a la RNA datos como entrada

a su vez que se le indica cul es la salida (respuesta) esperada.

Auto organizacin: Una RNA crea su propia representacin de la informacin en su

interior, descargando al usuario de esto.

Tolerancia a fallos: Debido a que una RNA almacena la informacin de forma

redundante, sta puede seguir respondiendo de manera aceptable aun si se daa

parcialmente.

Flexibilidad: Una RNA puede manejar cambios no importantes en la informacin de

entrada, como seales con ruido u otros cambios en la entrada (ej. si la informacin de

entrada es la imagen de un objeto, la respuesta correspondiente no sufre cambios si la

imagen cambia un poco su brillo o el objeto cambia ligeramente)

Tiempo real: La estructura de una RNA es paralela, por lo cul si esto es implementado

con computadoras o en dispositivos electrnicos especiales, se pueden obtener

respuestas en tiempo real.


7/11

Redes Neuronales

Aplicaciones.

Las caractersticas de las RNA las hacen bastante apropiadas para aplicaciones en las que no

se dispone a priori de un modelo identificable que pueda ser programado, pero se dispone de

un conjunto bsico de ejemplos de entrada (previamente clasificados o no). Asimismo, son

altamente robustas tanto al ruido como a la disfuncin de elementos concretos y son

fcilmente paralelizables.

Esto incluye problemas de clasificacin y reconocimiento de patrones de voz, imgenes,

seales, etc. Asimismo se han utilizado para encontrar patrones de fraude econmico, hacer

predicciones en el mercado financiero, hacer predicciones de tiempo atmosfrico, etc.

Tambin se pueden utilizar cuando no existen modelos matemticos precisos o algoritmos

con complejidad razonable; por ejemplo la red de Kohonen ha sido aplicada con un xito msque razonable al clsico problema del viajante (un problema para el que no se conoce

solucin algortmica de complejidad polinmica).


8/11

Redes Neuronales

Otro tipo especial de redes neuronales artificiales se ha aplicado en conjuncin con los

algoritmos genticos (AG) para crear controladores para robots. La disciplina que trata la

evolucin de redes neuronales mediante algoritmos genticos se denomina Robtica

Evolutiva. En este tipo de aplicacin el genoma del AG lo constituyen los parmetros de la red

(topologa, algoritmo de aprendizaje, funciones de activacin, etc.) y la adecuacin de la red

viene dada por la adecuacin del comportamiento exhibido por el robot controlado

(normalmente una simulacin de dicho comportamiento)


9/11

Redes Neuronales

EjemplosQuake II Neuralbot

Un bot es un programa que simula a un jugador humano. El Neuralbot es un bot para el juego

Quake II que utiliza una red neuronal artificial para decidir su comportamiento y un algoritmo

gentico para el aprendizaje. Es muy fcil probarlo y nada para ver su evolucin. Ms

informacin aqu

Clasificador No Sesgado de Protenas

Es un programa que combina diversas tcnicas computacionales con el objetivo de clasificar

familias de protenas. Un posible mtodo consiste en utilizar mtricas adaptativas como por

ejemplo: mapas auto organizados y algoritmos genticos.


10/11

Redes Neuronales

CONCLUSION

Las RNA han sido aplicadas a un nmero en aumento de problemas en la vida real y de

considerable complejidad, donde su mayor ventaja es en la solucin de problemas que son

bastante complejos para la tecnologa actual, tratndose de problemas que no tienen una

solucin algortmica o cuya solucin algortmica es demasiado compleja para serencontrada. En general, debido a que son parecidas al las del cerebro humano, las RNA son

bien nombradas ya que son buenas para resolver problemas que el humano puede resolver

pero las computadoras no. Estos problemas incluyen el reconocimiento de patrones y la

prediccin del tiempo. De cualquier forma, el humano tiene capacidad para el

reconocimiento de patrones, pero la capacidad de las redes neuronales no se ve afectada

por la fatiga, condiciones de trabajo, estado emocional, y compensaciones.


11/11

UNID D C BORC

ING. EN SISTEMAS COMPUTACIONALES

Fundamentos de Inteligencia Artificial

Luis Felipe Mndez Ruiz

Jos Arturo Arredondo Gonzlez

Gracias !!!

Bibliografa:http://es.wikipedia.org/wiki/Red_neuronal_artificial

http://www.itnogales.edu.mx/formatos/Red%20neuronal%20artificial.pdf
http://es.wikipedia.org/wiki/Red_neuronal_artificialhttp://www.itnogales.edu.mx/formatos/Red%20neuronal%20artificial.pdfhttp://www.itnogales.edu.mx/formatos/Red%20neuronal%20artificial.pdfhttp://www.itnogales.edu.mx/formatos/Red%20neuronal%20artificial.pdfhttp://es.wikipedia.org/wiki/Red_neuronal_artificialhttp://es.wikipedia.org/wiki/Red_neuronal_artificialhttp://es.wikipedia.org/wiki/Red_neuronal_artificial

Expo Redes Neuronales

Documents

Transcript of Expo Redes Neuronales