https://padlet.com/yiselchongluo/e62k6fpf55aj Hecho con una mente curiosa en-us 2017-12-05 17:11:04 UTC 2017-12-05 17:59:58 UTC hello@padlet.com yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213400254 Ministerio de Educación

Centro Educativo Santo Domingo

Informática

Redes neuronales artificiales

Estudiante: Yisel Chong Luo

Prof.: Guadalupe Espinosa

8ºA

05/12/2017

]]> 2017-12-05 17:12:30 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213400254 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213402607 Son un modelo computacional basado en un gran conjunto de unidades neuronales simples (neuronas artificiales ), de forma aproximadamente análoga al comportamiento observado en los axones de las neuronas en los cerebros biológicos.

]]> 2017-12-05 17:16:33 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213402607 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213404699 Worren McCulloch y Walter Pitts (1943) crearon un modelo informático para redes neuronales basados en las matemáticas y algoritmos denominados lógica de umbral. Este modelo señaló el camino para que la investigación de redes neuronales se divida en dos enfoques distintos. Un enfoque centrado en los procesos biológicos en el cerebro y el otro se centró en la aplicación de redes neuronales para la inteligencia artificial.]]> 2017-12-05 17:20:06 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213404699 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213406891

Redes Monocapa: Se establecen conexiones laterales, cruzadas o autor recurrentes entre las neuronas que pertenecen a la única capa que constituye la red. Se utilizan en tareas relacionadas con lo que se conoce como auto asociación; por ejemplo, para generar informaciones de entrada que se presentan a la red incompleta o distorsionada.

Topología de las Redes Neuronales. La arquitectura de las redes neuronales consiste en la organización y disposición de las neuronas formando capas más o menos alejadas de la entrada y salida de la red

Mecanismo de Aprendizaje. El aprendizaje es el proceso por el cual una red neuronal modifica sus pesos en respuesta a una información de entrada. Los cambios que se producen durante el proceso de aprendizaje se reducen a la destrucción, modificación y creación de conexiones entre las neuronas.

]]> 2017-12-05 17:23:44 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213406891 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213409418

Aprendizaje: Las RNA tienen la habilidad de aprender mediante una etapa de aprendizaje. Esta consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cuál es la salida esperada.

Auto organización: Una RNA crea su propia representación de la información en su interior.

Tolerancia a fallos: Debido a que una RNA almacena la información de forma redundante, ésta puede seguir respondiendo de manera aceptable aun si se daña parcialmente.

Flexibilidad: Una RNA puede manejar cambios no importantes en la información de entrada, como señales con ruido u otros cambios en la entrada.

Tiempo real: La estructura de una RNA es paralela, por lo cual si esto es implementado con computadoras o en dispositivos electrónicos especiales, se pueden obtener respuestas en tiempo real.

]]> 2017-12-05 17:28:42 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213409418 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213410494 • Complejidad de aprendizaje para grandes tareas, cuanto más cosas se necesiten que aprenda una red, mas complicado será enseñarle.

• Tiempo de aprendizaje elevado. Esto depende de dos factores: primero si se incrementa la cantidad de patrones a identificar o clasificar y segundo si se requiere mayor flexibilidad o capacidad de adaptación de la red neuronal para reconocer patrones que sean sumamente parecidos, se deberá invertir mas tiempo en lograr que la red converja a valores de pesos que representen lo que se quiera enseñar.

• No permite interpretar lo que se ha aprendido, la red por si sola proporciona una salida, un número, que no puede ser interpretado por ella misma, sino que se requiere de la intervención del programador y de la aplicación en si para encontrarle un significado a la salida proporcionada.

• Elevada cantidad de datos para el entrenamiento, cuanto mas flexible se requiera que sea la red neuronal, mas información tendrá que enseñarle para que realice de forma adecuada la identificación.

]]> 2017-12-05 17:30:50 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213410494 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213411346 Modelos de redes neuronales en la inteligencia artificial se refieren generalmente a las redes neuronales artificiales (RNA); estos son modelos matemáticos esencialmente simples que definen una función f:X→Y o una distribución más X o ambos X y Y Pero a veces los modelos también están íntimamente asociadas con un algoritmo de aprendizaje en particular o regla de aprendizaje. Un uso común de la frase "modelo ANN" es en realidad la definición de una clase de tales funciones (donde los miembros de la clase se obtiene variando parámetros, los pesos de conexión, o específicos de la arquitectura, tales como el número de neuronas o su conectividad).]]> 2017-12-05 17:32:34 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213411346 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213416475 Las redes neuronales suelen consistir en varias capas o un diseño de cubo, y la ruta de la señal atraviesa de adelante hacia atrás. Propagación hacia atras es donde se utiliza la estimulación hacia adelante o en el "frente" para restablecer los pesos de las unidades neuronales y esto a veces se realiza en combinación con una formación en la que se conoce el resultado correcto.]]> 2017-12-05 17:42:46 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213416475 yiselchongluo https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213422340 1. Unidad de proceso: La neurona Artificial. Existen tres tipos de unidades en cualquier sistema: entradas, salidas y ocultas. Las unidades de entrada reciben señales desde el entorno; las de salida envían la señal fuera de la red, y las unidades ocultas son aquellas cuyas entradas y salidas se encuentran dentro del sistema.
2. Estado de Activación. Los estados del sistema en un tiempo t se representan por un vector A(t). Los valores de activación pueden ser continuos o discretos, limitados o ilimitados. Si son discretos, suelen tomar un conjunto discreto de valores binarios, así un estado activo se indicaría con un 1 y un estado pasivo se representaría por un cero. En otros modelos se considera un conjunto de estados de activación, en cuyo valor entre [0,1], o en el intervalo [-1,1], siendo una función sigmoidal.
3. Función de Salida o de Transferencia. Asociada con cada unidad hay una función de salida, que transforma el estado actual de activación en una señal de salida.]]> 2017-12-05 17:53:05 UTC https://padlet.com/yiselchongluo/e62k6fpf55aj/wish/213422340