modelo de una red neuronal artificial
DESCRIPTION
Modelo de una Red Neuronal ArtificialTRANSCRIPT
![Page 1: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/1.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 1 de 8
INVESTIGACIOacuteN 1
Modelo de una red Neuronal Artificial
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 2 de 8
CONTENIDO
Introduccioacutenhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag3
Modelo Bioloacutegicohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag4
El Modelo RNAhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag4
Ejemplos de Modelos RNAhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag5
Aplicacioneshelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag6
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 3 de 8
Modelo de una red Neuronal Artificial
Introduccioacuten
Los primeros modelos de redes neuronales datan de 1943 por los neuroacutelogos
McCulloch y Pitts Antildeos maacutes tarde en 1949 Donald Hebb desarrolloacute sus ideas
sobre el aprendizaje neuronal quedando reflejado en la regla de Hebb En 1958
Rosemblatt desarrolloacute elperceptroacuten simple y en 1960 Widrow y Hoff desarrollaron
el ADALINE que fue la primera aplicacioacuten industrial real [1][4][6]
En los antildeos siguientes se redujo la investigacioacuten debido a la falta de modelos de
aprendizaje y el estudio de Minsky y Papert sobre las limitaciones del perceptroacuten
Sin embargo en los antildeos 80 volvieron a resurgir las RNA gracias al desarrollo de
la red de Hopfield y en especial al algoritmo de aprendizaje de retropropagacioacuten
ideado por Rumelhart y McLellan en 1986 que fue aplicado en el desarrollo de los
perceptrones multicapa[1][3]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 4 de 8
El Modelo Bioloacutegico La teoriacutea y modelado de redes neuronales estaacute inspirada en la estructura y funcionamiento de los sistemas nerviosos donde la neurona es el elemento fundamental En general una neurona consta de un cuerpo celular maacutes o menos esfeacuterico de 5 a 10 micras de diaacutemetro del que salen una rama principal el axoacuten y varias ramas maacutes cortas llamadas dendritas Una de las caracteriacutesticas de las neuronas es su capacidad de comunicarse En teacuterminos generales las dendritas y el cuerpo celular reciben sentildeales de entrada el cuerpo celular las combina e integra y emite sentildeales de salida El axoacuten transmite dichas sentildeales a los terminales axoacutenicos que distribuyen informacioacuten o un nuevo conjunto de neuronas se calcula que en el cerebro humano existen del orden de 1015 conexiones Las sentildeales que se utilizan son de dos tipos eleacutectrica y quiacutemica La sentildeal generada por la neurona y transportada a lo largo del axoacuten es un impulso eleacutectrico mientras que la sentildeal que se transmite entre los terminales axoacutenicos de una neurona y las dendritas de la otra es de origen quiacutemico Para establecer una similitud directa entre la actividad sinaacuteptica y la analogiacutea con las redes neuronales artificiales podemos considerar Las sentildeales que llegan a la sinapsis son las entradas a la neurona estas son ponderadas (atenuadas o simplificadas) a traveacutes de un paraacutemetro denominado peso asociado a la sinapsis correspondiente Estas sentildeales de entrada pueden excitar a la neurona (sinapsis con peso positivo) o inhibirla (peso negativo) El efecto es la suma de las entradas ponderadas Si la suma es igual o mayor que el umbral de la neurona entonces la neurona se activa (da salida) Esta es una situacioacuten de todo o nada cada neurona se activa o no se activa La facilidad de transmisioacuten de sentildeales se altera mediante la actividad del sistema nervioso Las sinapsis son susceptibles a la fatiga deficiencia de oxiacutegeno y la presencia de anesteacutesicos entre otro Esta habilidad de ajustar sentildeales es un mecanismo de aprendizaje [2][4] El Modelo de RNA Los modelos de redes neuronales artificiales intentan reproducir el comportamiento del cerebro es decir cada neurona estaacute caracterizada por entradas de activacioacuten yj que son modificadas por un peso wj (la ldquosinapsisrdquo en el caso bioloacutegico) las sentildeales moduladas se combinan entre ellas y entran a una funcioacuten de activacioacuten que determina la salida S con base en una comparacioacuten de la suma con el valor de activacioacuten 0[1]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 5 de 8
Las neuronas artificiales son unidades procesadoras que pueden percibir muchas de otras neuronas y luego procesar una salida igual que las neuronas bioloacutegicas la forma en que se conecten las neuronas depende de la arquitectura de red neuronal que se quiera utilizar Con base a lo anterior se puede definir a una red Neuronal artificial de la siguiente forma Una red Neuronal Artificial es un modelo matemaacutetico compuesto por elementos interconectados entre siacute que se inspira en el sistema nervioso bioloacutegico [3] Ejemplos de modelos de RNA Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 6 de 8
Modelos de RNA
Existe una serie de modelos que aparecen en la mayoriacutea de estudios acadeacutemicos y
la bibliografiacutea especializada
Perceptroacuten
Adaline
Perceptroacuten multicapa
Memorias asociativas
Maacutequina de Boltzmann
Maacutequina de Cauchy
Propagacioacuten hacia atraacutes (backpropagation)
Redes de Elman
Redes de Hopfield
Red de contrapropagacioacuten
Redes de neuronas de base radial
Redes de neuronas de aprendizaje competitivo
Mapas Autoorganizados (RNA) (Redes de Kohonen)
Crecimiento dinaacutemico de ceacutelulas
Gas Neuronal Creciente
Redes ART (Adaptative Resonance Theory)
Aplicaciones de las Redes Neuronales Las redes neuronales son una tecnologiacutea computacional emergente que puede utilizarse en un gran nuacutemero y variedad de aplicaciones tanto como comerciales como militares Hay muchos tipos diferentes de redes neuronales cada uno de los cuales tiene una aplicacioacuten particular maacutes apropiada Separaacutendolas seguacuten las distintas disciplinas algunos ejemplos de sus aplicaciones son
Biologiacutea Aprender maacutes acerca del cerebro y otros sistemas Obtencioacuten de modelos de la retina Empresa Reconocimiento de caracteres escritos Identificacioacuten de candidatos para posiciones especiacuteficas Optimizacioacuten de plazas y horarios en liacuteneas de vuelo
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 7 de 8
Explotacioacuten de bases de datos Evaluacioacuten de probabilidad de formaciones geoloacutegicas y petroliacuteferas Siacutentesis de voz desde texto Medio Ambiente Analizar tendencias y patrones Previsioacuten del tiempo Finanzas Previsioacuten de la evolucioacuten de los precios Valoracioacuten del riesgo de los creacuteditos Identificacioacuten de falsificaciones Interpretacioacuten de firmas Manufacturacioacuten Robots automatizados y sistemas de control (visioacuten artificial
y sensores de presioacuten temperatura gas etc) Control de produccioacuten en liacuteneas de proceso Inspeccioacuten de calidad Filtrado de sentildeales Medicina Analizadores del habla para la ayuda de audicioacuten de sordos profundos Diagnoacutestico y tratamiento a partir de siacutentomas yo de datos analiacuteticos
(encefalograma etc) Monitorizacioacuten en cirugiacutea Prediccioacuten de reacciones adversas a los medicamentos Lectoras de Rayos X Entendimiento de causa de ataques epileacutepticos Militares Clasificacioacuten de las sentildeales de radar Creacioacuten de armas inteligentes Optimizacioacuten del uso de recursos escasos
[4]
Referencias
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2MbMqh
m [1]
httpjjhmoramxtripodcomredholograficapdf [2]
httpwwwcsusescursosiatitemastema-09pdf
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2XHN7g
m [3]
REDES NEURONALES ARTIFICIALES Joseacute R Hilera y Victor J Martinez 2000
Alfaomega Madrid Espantildea [4]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8
![Page 2: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/2.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 2 de 8
CONTENIDO
Introduccioacutenhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag3
Modelo Bioloacutegicohelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag4
El Modelo RNAhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag4
Ejemplos de Modelos RNAhelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag5
Aplicacioneshelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphelliphellippag6
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 3 de 8
Modelo de una red Neuronal Artificial
Introduccioacuten
Los primeros modelos de redes neuronales datan de 1943 por los neuroacutelogos
McCulloch y Pitts Antildeos maacutes tarde en 1949 Donald Hebb desarrolloacute sus ideas
sobre el aprendizaje neuronal quedando reflejado en la regla de Hebb En 1958
Rosemblatt desarrolloacute elperceptroacuten simple y en 1960 Widrow y Hoff desarrollaron
el ADALINE que fue la primera aplicacioacuten industrial real [1][4][6]
En los antildeos siguientes se redujo la investigacioacuten debido a la falta de modelos de
aprendizaje y el estudio de Minsky y Papert sobre las limitaciones del perceptroacuten
Sin embargo en los antildeos 80 volvieron a resurgir las RNA gracias al desarrollo de
la red de Hopfield y en especial al algoritmo de aprendizaje de retropropagacioacuten
ideado por Rumelhart y McLellan en 1986 que fue aplicado en el desarrollo de los
perceptrones multicapa[1][3]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 4 de 8
El Modelo Bioloacutegico La teoriacutea y modelado de redes neuronales estaacute inspirada en la estructura y funcionamiento de los sistemas nerviosos donde la neurona es el elemento fundamental En general una neurona consta de un cuerpo celular maacutes o menos esfeacuterico de 5 a 10 micras de diaacutemetro del que salen una rama principal el axoacuten y varias ramas maacutes cortas llamadas dendritas Una de las caracteriacutesticas de las neuronas es su capacidad de comunicarse En teacuterminos generales las dendritas y el cuerpo celular reciben sentildeales de entrada el cuerpo celular las combina e integra y emite sentildeales de salida El axoacuten transmite dichas sentildeales a los terminales axoacutenicos que distribuyen informacioacuten o un nuevo conjunto de neuronas se calcula que en el cerebro humano existen del orden de 1015 conexiones Las sentildeales que se utilizan son de dos tipos eleacutectrica y quiacutemica La sentildeal generada por la neurona y transportada a lo largo del axoacuten es un impulso eleacutectrico mientras que la sentildeal que se transmite entre los terminales axoacutenicos de una neurona y las dendritas de la otra es de origen quiacutemico Para establecer una similitud directa entre la actividad sinaacuteptica y la analogiacutea con las redes neuronales artificiales podemos considerar Las sentildeales que llegan a la sinapsis son las entradas a la neurona estas son ponderadas (atenuadas o simplificadas) a traveacutes de un paraacutemetro denominado peso asociado a la sinapsis correspondiente Estas sentildeales de entrada pueden excitar a la neurona (sinapsis con peso positivo) o inhibirla (peso negativo) El efecto es la suma de las entradas ponderadas Si la suma es igual o mayor que el umbral de la neurona entonces la neurona se activa (da salida) Esta es una situacioacuten de todo o nada cada neurona se activa o no se activa La facilidad de transmisioacuten de sentildeales se altera mediante la actividad del sistema nervioso Las sinapsis son susceptibles a la fatiga deficiencia de oxiacutegeno y la presencia de anesteacutesicos entre otro Esta habilidad de ajustar sentildeales es un mecanismo de aprendizaje [2][4] El Modelo de RNA Los modelos de redes neuronales artificiales intentan reproducir el comportamiento del cerebro es decir cada neurona estaacute caracterizada por entradas de activacioacuten yj que son modificadas por un peso wj (la ldquosinapsisrdquo en el caso bioloacutegico) las sentildeales moduladas se combinan entre ellas y entran a una funcioacuten de activacioacuten que determina la salida S con base en una comparacioacuten de la suma con el valor de activacioacuten 0[1]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 5 de 8
Las neuronas artificiales son unidades procesadoras que pueden percibir muchas de otras neuronas y luego procesar una salida igual que las neuronas bioloacutegicas la forma en que se conecten las neuronas depende de la arquitectura de red neuronal que se quiera utilizar Con base a lo anterior se puede definir a una red Neuronal artificial de la siguiente forma Una red Neuronal Artificial es un modelo matemaacutetico compuesto por elementos interconectados entre siacute que se inspira en el sistema nervioso bioloacutegico [3] Ejemplos de modelos de RNA Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 6 de 8
Modelos de RNA
Existe una serie de modelos que aparecen en la mayoriacutea de estudios acadeacutemicos y
la bibliografiacutea especializada
Perceptroacuten
Adaline
Perceptroacuten multicapa
Memorias asociativas
Maacutequina de Boltzmann
Maacutequina de Cauchy
Propagacioacuten hacia atraacutes (backpropagation)
Redes de Elman
Redes de Hopfield
Red de contrapropagacioacuten
Redes de neuronas de base radial
Redes de neuronas de aprendizaje competitivo
Mapas Autoorganizados (RNA) (Redes de Kohonen)
Crecimiento dinaacutemico de ceacutelulas
Gas Neuronal Creciente
Redes ART (Adaptative Resonance Theory)
Aplicaciones de las Redes Neuronales Las redes neuronales son una tecnologiacutea computacional emergente que puede utilizarse en un gran nuacutemero y variedad de aplicaciones tanto como comerciales como militares Hay muchos tipos diferentes de redes neuronales cada uno de los cuales tiene una aplicacioacuten particular maacutes apropiada Separaacutendolas seguacuten las distintas disciplinas algunos ejemplos de sus aplicaciones son
Biologiacutea Aprender maacutes acerca del cerebro y otros sistemas Obtencioacuten de modelos de la retina Empresa Reconocimiento de caracteres escritos Identificacioacuten de candidatos para posiciones especiacuteficas Optimizacioacuten de plazas y horarios en liacuteneas de vuelo
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 7 de 8
Explotacioacuten de bases de datos Evaluacioacuten de probabilidad de formaciones geoloacutegicas y petroliacuteferas Siacutentesis de voz desde texto Medio Ambiente Analizar tendencias y patrones Previsioacuten del tiempo Finanzas Previsioacuten de la evolucioacuten de los precios Valoracioacuten del riesgo de los creacuteditos Identificacioacuten de falsificaciones Interpretacioacuten de firmas Manufacturacioacuten Robots automatizados y sistemas de control (visioacuten artificial
y sensores de presioacuten temperatura gas etc) Control de produccioacuten en liacuteneas de proceso Inspeccioacuten de calidad Filtrado de sentildeales Medicina Analizadores del habla para la ayuda de audicioacuten de sordos profundos Diagnoacutestico y tratamiento a partir de siacutentomas yo de datos analiacuteticos
(encefalograma etc) Monitorizacioacuten en cirugiacutea Prediccioacuten de reacciones adversas a los medicamentos Lectoras de Rayos X Entendimiento de causa de ataques epileacutepticos Militares Clasificacioacuten de las sentildeales de radar Creacioacuten de armas inteligentes Optimizacioacuten del uso de recursos escasos
[4]
Referencias
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2MbMqh
m [1]
httpjjhmoramxtripodcomredholograficapdf [2]
httpwwwcsusescursosiatitemastema-09pdf
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2XHN7g
m [3]
REDES NEURONALES ARTIFICIALES Joseacute R Hilera y Victor J Martinez 2000
Alfaomega Madrid Espantildea [4]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8
![Page 3: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/3.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 3 de 8
Modelo de una red Neuronal Artificial
Introduccioacuten
Los primeros modelos de redes neuronales datan de 1943 por los neuroacutelogos
McCulloch y Pitts Antildeos maacutes tarde en 1949 Donald Hebb desarrolloacute sus ideas
sobre el aprendizaje neuronal quedando reflejado en la regla de Hebb En 1958
Rosemblatt desarrolloacute elperceptroacuten simple y en 1960 Widrow y Hoff desarrollaron
el ADALINE que fue la primera aplicacioacuten industrial real [1][4][6]
En los antildeos siguientes se redujo la investigacioacuten debido a la falta de modelos de
aprendizaje y el estudio de Minsky y Papert sobre las limitaciones del perceptroacuten
Sin embargo en los antildeos 80 volvieron a resurgir las RNA gracias al desarrollo de
la red de Hopfield y en especial al algoritmo de aprendizaje de retropropagacioacuten
ideado por Rumelhart y McLellan en 1986 que fue aplicado en el desarrollo de los
perceptrones multicapa[1][3]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 4 de 8
El Modelo Bioloacutegico La teoriacutea y modelado de redes neuronales estaacute inspirada en la estructura y funcionamiento de los sistemas nerviosos donde la neurona es el elemento fundamental En general una neurona consta de un cuerpo celular maacutes o menos esfeacuterico de 5 a 10 micras de diaacutemetro del que salen una rama principal el axoacuten y varias ramas maacutes cortas llamadas dendritas Una de las caracteriacutesticas de las neuronas es su capacidad de comunicarse En teacuterminos generales las dendritas y el cuerpo celular reciben sentildeales de entrada el cuerpo celular las combina e integra y emite sentildeales de salida El axoacuten transmite dichas sentildeales a los terminales axoacutenicos que distribuyen informacioacuten o un nuevo conjunto de neuronas se calcula que en el cerebro humano existen del orden de 1015 conexiones Las sentildeales que se utilizan son de dos tipos eleacutectrica y quiacutemica La sentildeal generada por la neurona y transportada a lo largo del axoacuten es un impulso eleacutectrico mientras que la sentildeal que se transmite entre los terminales axoacutenicos de una neurona y las dendritas de la otra es de origen quiacutemico Para establecer una similitud directa entre la actividad sinaacuteptica y la analogiacutea con las redes neuronales artificiales podemos considerar Las sentildeales que llegan a la sinapsis son las entradas a la neurona estas son ponderadas (atenuadas o simplificadas) a traveacutes de un paraacutemetro denominado peso asociado a la sinapsis correspondiente Estas sentildeales de entrada pueden excitar a la neurona (sinapsis con peso positivo) o inhibirla (peso negativo) El efecto es la suma de las entradas ponderadas Si la suma es igual o mayor que el umbral de la neurona entonces la neurona se activa (da salida) Esta es una situacioacuten de todo o nada cada neurona se activa o no se activa La facilidad de transmisioacuten de sentildeales se altera mediante la actividad del sistema nervioso Las sinapsis son susceptibles a la fatiga deficiencia de oxiacutegeno y la presencia de anesteacutesicos entre otro Esta habilidad de ajustar sentildeales es un mecanismo de aprendizaje [2][4] El Modelo de RNA Los modelos de redes neuronales artificiales intentan reproducir el comportamiento del cerebro es decir cada neurona estaacute caracterizada por entradas de activacioacuten yj que son modificadas por un peso wj (la ldquosinapsisrdquo en el caso bioloacutegico) las sentildeales moduladas se combinan entre ellas y entran a una funcioacuten de activacioacuten que determina la salida S con base en una comparacioacuten de la suma con el valor de activacioacuten 0[1]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 5 de 8
Las neuronas artificiales son unidades procesadoras que pueden percibir muchas de otras neuronas y luego procesar una salida igual que las neuronas bioloacutegicas la forma en que se conecten las neuronas depende de la arquitectura de red neuronal que se quiera utilizar Con base a lo anterior se puede definir a una red Neuronal artificial de la siguiente forma Una red Neuronal Artificial es un modelo matemaacutetico compuesto por elementos interconectados entre siacute que se inspira en el sistema nervioso bioloacutegico [3] Ejemplos de modelos de RNA Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 6 de 8
Modelos de RNA
Existe una serie de modelos que aparecen en la mayoriacutea de estudios acadeacutemicos y
la bibliografiacutea especializada
Perceptroacuten
Adaline
Perceptroacuten multicapa
Memorias asociativas
Maacutequina de Boltzmann
Maacutequina de Cauchy
Propagacioacuten hacia atraacutes (backpropagation)
Redes de Elman
Redes de Hopfield
Red de contrapropagacioacuten
Redes de neuronas de base radial
Redes de neuronas de aprendizaje competitivo
Mapas Autoorganizados (RNA) (Redes de Kohonen)
Crecimiento dinaacutemico de ceacutelulas
Gas Neuronal Creciente
Redes ART (Adaptative Resonance Theory)
Aplicaciones de las Redes Neuronales Las redes neuronales son una tecnologiacutea computacional emergente que puede utilizarse en un gran nuacutemero y variedad de aplicaciones tanto como comerciales como militares Hay muchos tipos diferentes de redes neuronales cada uno de los cuales tiene una aplicacioacuten particular maacutes apropiada Separaacutendolas seguacuten las distintas disciplinas algunos ejemplos de sus aplicaciones son
Biologiacutea Aprender maacutes acerca del cerebro y otros sistemas Obtencioacuten de modelos de la retina Empresa Reconocimiento de caracteres escritos Identificacioacuten de candidatos para posiciones especiacuteficas Optimizacioacuten de plazas y horarios en liacuteneas de vuelo
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 7 de 8
Explotacioacuten de bases de datos Evaluacioacuten de probabilidad de formaciones geoloacutegicas y petroliacuteferas Siacutentesis de voz desde texto Medio Ambiente Analizar tendencias y patrones Previsioacuten del tiempo Finanzas Previsioacuten de la evolucioacuten de los precios Valoracioacuten del riesgo de los creacuteditos Identificacioacuten de falsificaciones Interpretacioacuten de firmas Manufacturacioacuten Robots automatizados y sistemas de control (visioacuten artificial
y sensores de presioacuten temperatura gas etc) Control de produccioacuten en liacuteneas de proceso Inspeccioacuten de calidad Filtrado de sentildeales Medicina Analizadores del habla para la ayuda de audicioacuten de sordos profundos Diagnoacutestico y tratamiento a partir de siacutentomas yo de datos analiacuteticos
(encefalograma etc) Monitorizacioacuten en cirugiacutea Prediccioacuten de reacciones adversas a los medicamentos Lectoras de Rayos X Entendimiento de causa de ataques epileacutepticos Militares Clasificacioacuten de las sentildeales de radar Creacioacuten de armas inteligentes Optimizacioacuten del uso de recursos escasos
[4]
Referencias
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2MbMqh
m [1]
httpjjhmoramxtripodcomredholograficapdf [2]
httpwwwcsusescursosiatitemastema-09pdf
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2XHN7g
m [3]
REDES NEURONALES ARTIFICIALES Joseacute R Hilera y Victor J Martinez 2000
Alfaomega Madrid Espantildea [4]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8
![Page 4: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/4.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 4 de 8
El Modelo Bioloacutegico La teoriacutea y modelado de redes neuronales estaacute inspirada en la estructura y funcionamiento de los sistemas nerviosos donde la neurona es el elemento fundamental En general una neurona consta de un cuerpo celular maacutes o menos esfeacuterico de 5 a 10 micras de diaacutemetro del que salen una rama principal el axoacuten y varias ramas maacutes cortas llamadas dendritas Una de las caracteriacutesticas de las neuronas es su capacidad de comunicarse En teacuterminos generales las dendritas y el cuerpo celular reciben sentildeales de entrada el cuerpo celular las combina e integra y emite sentildeales de salida El axoacuten transmite dichas sentildeales a los terminales axoacutenicos que distribuyen informacioacuten o un nuevo conjunto de neuronas se calcula que en el cerebro humano existen del orden de 1015 conexiones Las sentildeales que se utilizan son de dos tipos eleacutectrica y quiacutemica La sentildeal generada por la neurona y transportada a lo largo del axoacuten es un impulso eleacutectrico mientras que la sentildeal que se transmite entre los terminales axoacutenicos de una neurona y las dendritas de la otra es de origen quiacutemico Para establecer una similitud directa entre la actividad sinaacuteptica y la analogiacutea con las redes neuronales artificiales podemos considerar Las sentildeales que llegan a la sinapsis son las entradas a la neurona estas son ponderadas (atenuadas o simplificadas) a traveacutes de un paraacutemetro denominado peso asociado a la sinapsis correspondiente Estas sentildeales de entrada pueden excitar a la neurona (sinapsis con peso positivo) o inhibirla (peso negativo) El efecto es la suma de las entradas ponderadas Si la suma es igual o mayor que el umbral de la neurona entonces la neurona se activa (da salida) Esta es una situacioacuten de todo o nada cada neurona se activa o no se activa La facilidad de transmisioacuten de sentildeales se altera mediante la actividad del sistema nervioso Las sinapsis son susceptibles a la fatiga deficiencia de oxiacutegeno y la presencia de anesteacutesicos entre otro Esta habilidad de ajustar sentildeales es un mecanismo de aprendizaje [2][4] El Modelo de RNA Los modelos de redes neuronales artificiales intentan reproducir el comportamiento del cerebro es decir cada neurona estaacute caracterizada por entradas de activacioacuten yj que son modificadas por un peso wj (la ldquosinapsisrdquo en el caso bioloacutegico) las sentildeales moduladas se combinan entre ellas y entran a una funcioacuten de activacioacuten que determina la salida S con base en una comparacioacuten de la suma con el valor de activacioacuten 0[1]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 5 de 8
Las neuronas artificiales son unidades procesadoras que pueden percibir muchas de otras neuronas y luego procesar una salida igual que las neuronas bioloacutegicas la forma en que se conecten las neuronas depende de la arquitectura de red neuronal que se quiera utilizar Con base a lo anterior se puede definir a una red Neuronal artificial de la siguiente forma Una red Neuronal Artificial es un modelo matemaacutetico compuesto por elementos interconectados entre siacute que se inspira en el sistema nervioso bioloacutegico [3] Ejemplos de modelos de RNA Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 6 de 8
Modelos de RNA
Existe una serie de modelos que aparecen en la mayoriacutea de estudios acadeacutemicos y
la bibliografiacutea especializada
Perceptroacuten
Adaline
Perceptroacuten multicapa
Memorias asociativas
Maacutequina de Boltzmann
Maacutequina de Cauchy
Propagacioacuten hacia atraacutes (backpropagation)
Redes de Elman
Redes de Hopfield
Red de contrapropagacioacuten
Redes de neuronas de base radial
Redes de neuronas de aprendizaje competitivo
Mapas Autoorganizados (RNA) (Redes de Kohonen)
Crecimiento dinaacutemico de ceacutelulas
Gas Neuronal Creciente
Redes ART (Adaptative Resonance Theory)
Aplicaciones de las Redes Neuronales Las redes neuronales son una tecnologiacutea computacional emergente que puede utilizarse en un gran nuacutemero y variedad de aplicaciones tanto como comerciales como militares Hay muchos tipos diferentes de redes neuronales cada uno de los cuales tiene una aplicacioacuten particular maacutes apropiada Separaacutendolas seguacuten las distintas disciplinas algunos ejemplos de sus aplicaciones son
Biologiacutea Aprender maacutes acerca del cerebro y otros sistemas Obtencioacuten de modelos de la retina Empresa Reconocimiento de caracteres escritos Identificacioacuten de candidatos para posiciones especiacuteficas Optimizacioacuten de plazas y horarios en liacuteneas de vuelo
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 7 de 8
Explotacioacuten de bases de datos Evaluacioacuten de probabilidad de formaciones geoloacutegicas y petroliacuteferas Siacutentesis de voz desde texto Medio Ambiente Analizar tendencias y patrones Previsioacuten del tiempo Finanzas Previsioacuten de la evolucioacuten de los precios Valoracioacuten del riesgo de los creacuteditos Identificacioacuten de falsificaciones Interpretacioacuten de firmas Manufacturacioacuten Robots automatizados y sistemas de control (visioacuten artificial
y sensores de presioacuten temperatura gas etc) Control de produccioacuten en liacuteneas de proceso Inspeccioacuten de calidad Filtrado de sentildeales Medicina Analizadores del habla para la ayuda de audicioacuten de sordos profundos Diagnoacutestico y tratamiento a partir de siacutentomas yo de datos analiacuteticos
(encefalograma etc) Monitorizacioacuten en cirugiacutea Prediccioacuten de reacciones adversas a los medicamentos Lectoras de Rayos X Entendimiento de causa de ataques epileacutepticos Militares Clasificacioacuten de las sentildeales de radar Creacioacuten de armas inteligentes Optimizacioacuten del uso de recursos escasos
[4]
Referencias
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2MbMqh
m [1]
httpjjhmoramxtripodcomredholograficapdf [2]
httpwwwcsusescursosiatitemastema-09pdf
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2XHN7g
m [3]
REDES NEURONALES ARTIFICIALES Joseacute R Hilera y Victor J Martinez 2000
Alfaomega Madrid Espantildea [4]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8
![Page 5: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/5.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 5 de 8
Las neuronas artificiales son unidades procesadoras que pueden percibir muchas de otras neuronas y luego procesar una salida igual que las neuronas bioloacutegicas la forma en que se conecten las neuronas depende de la arquitectura de red neuronal que se quiera utilizar Con base a lo anterior se puede definir a una red Neuronal artificial de la siguiente forma Una red Neuronal Artificial es un modelo matemaacutetico compuesto por elementos interconectados entre siacute que se inspira en el sistema nervioso bioloacutegico [3] Ejemplos de modelos de RNA Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Modelo matemaacutetico basado en una estructura de grafo dirigido cuyos nodos son neuronas artificiales
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 6 de 8
Modelos de RNA
Existe una serie de modelos que aparecen en la mayoriacutea de estudios acadeacutemicos y
la bibliografiacutea especializada
Perceptroacuten
Adaline
Perceptroacuten multicapa
Memorias asociativas
Maacutequina de Boltzmann
Maacutequina de Cauchy
Propagacioacuten hacia atraacutes (backpropagation)
Redes de Elman
Redes de Hopfield
Red de contrapropagacioacuten
Redes de neuronas de base radial
Redes de neuronas de aprendizaje competitivo
Mapas Autoorganizados (RNA) (Redes de Kohonen)
Crecimiento dinaacutemico de ceacutelulas
Gas Neuronal Creciente
Redes ART (Adaptative Resonance Theory)
Aplicaciones de las Redes Neuronales Las redes neuronales son una tecnologiacutea computacional emergente que puede utilizarse en un gran nuacutemero y variedad de aplicaciones tanto como comerciales como militares Hay muchos tipos diferentes de redes neuronales cada uno de los cuales tiene una aplicacioacuten particular maacutes apropiada Separaacutendolas seguacuten las distintas disciplinas algunos ejemplos de sus aplicaciones son
Biologiacutea Aprender maacutes acerca del cerebro y otros sistemas Obtencioacuten de modelos de la retina Empresa Reconocimiento de caracteres escritos Identificacioacuten de candidatos para posiciones especiacuteficas Optimizacioacuten de plazas y horarios en liacuteneas de vuelo
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 7 de 8
Explotacioacuten de bases de datos Evaluacioacuten de probabilidad de formaciones geoloacutegicas y petroliacuteferas Siacutentesis de voz desde texto Medio Ambiente Analizar tendencias y patrones Previsioacuten del tiempo Finanzas Previsioacuten de la evolucioacuten de los precios Valoracioacuten del riesgo de los creacuteditos Identificacioacuten de falsificaciones Interpretacioacuten de firmas Manufacturacioacuten Robots automatizados y sistemas de control (visioacuten artificial
y sensores de presioacuten temperatura gas etc) Control de produccioacuten en liacuteneas de proceso Inspeccioacuten de calidad Filtrado de sentildeales Medicina Analizadores del habla para la ayuda de audicioacuten de sordos profundos Diagnoacutestico y tratamiento a partir de siacutentomas yo de datos analiacuteticos
(encefalograma etc) Monitorizacioacuten en cirugiacutea Prediccioacuten de reacciones adversas a los medicamentos Lectoras de Rayos X Entendimiento de causa de ataques epileacutepticos Militares Clasificacioacuten de las sentildeales de radar Creacioacuten de armas inteligentes Optimizacioacuten del uso de recursos escasos
[4]
Referencias
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2MbMqh
m [1]
httpjjhmoramxtripodcomredholograficapdf [2]
httpwwwcsusescursosiatitemastema-09pdf
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2XHN7g
m [3]
REDES NEURONALES ARTIFICIALES Joseacute R Hilera y Victor J Martinez 2000
Alfaomega Madrid Espantildea [4]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8
![Page 6: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/6.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 6 de 8
Modelos de RNA
Existe una serie de modelos que aparecen en la mayoriacutea de estudios acadeacutemicos y
la bibliografiacutea especializada
Perceptroacuten
Adaline
Perceptroacuten multicapa
Memorias asociativas
Maacutequina de Boltzmann
Maacutequina de Cauchy
Propagacioacuten hacia atraacutes (backpropagation)
Redes de Elman
Redes de Hopfield
Red de contrapropagacioacuten
Redes de neuronas de base radial
Redes de neuronas de aprendizaje competitivo
Mapas Autoorganizados (RNA) (Redes de Kohonen)
Crecimiento dinaacutemico de ceacutelulas
Gas Neuronal Creciente
Redes ART (Adaptative Resonance Theory)
Aplicaciones de las Redes Neuronales Las redes neuronales son una tecnologiacutea computacional emergente que puede utilizarse en un gran nuacutemero y variedad de aplicaciones tanto como comerciales como militares Hay muchos tipos diferentes de redes neuronales cada uno de los cuales tiene una aplicacioacuten particular maacutes apropiada Separaacutendolas seguacuten las distintas disciplinas algunos ejemplos de sus aplicaciones son
Biologiacutea Aprender maacutes acerca del cerebro y otros sistemas Obtencioacuten de modelos de la retina Empresa Reconocimiento de caracteres escritos Identificacioacuten de candidatos para posiciones especiacuteficas Optimizacioacuten de plazas y horarios en liacuteneas de vuelo
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 7 de 8
Explotacioacuten de bases de datos Evaluacioacuten de probabilidad de formaciones geoloacutegicas y petroliacuteferas Siacutentesis de voz desde texto Medio Ambiente Analizar tendencias y patrones Previsioacuten del tiempo Finanzas Previsioacuten de la evolucioacuten de los precios Valoracioacuten del riesgo de los creacuteditos Identificacioacuten de falsificaciones Interpretacioacuten de firmas Manufacturacioacuten Robots automatizados y sistemas de control (visioacuten artificial
y sensores de presioacuten temperatura gas etc) Control de produccioacuten en liacuteneas de proceso Inspeccioacuten de calidad Filtrado de sentildeales Medicina Analizadores del habla para la ayuda de audicioacuten de sordos profundos Diagnoacutestico y tratamiento a partir de siacutentomas yo de datos analiacuteticos
(encefalograma etc) Monitorizacioacuten en cirugiacutea Prediccioacuten de reacciones adversas a los medicamentos Lectoras de Rayos X Entendimiento de causa de ataques epileacutepticos Militares Clasificacioacuten de las sentildeales de radar Creacioacuten de armas inteligentes Optimizacioacuten del uso de recursos escasos
[4]
Referencias
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2MbMqh
m [1]
httpjjhmoramxtripodcomredholograficapdf [2]
httpwwwcsusescursosiatitemastema-09pdf
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2XHN7g
m [3]
REDES NEURONALES ARTIFICIALES Joseacute R Hilera y Victor J Martinez 2000
Alfaomega Madrid Espantildea [4]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8
![Page 7: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/7.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 7 de 8
Explotacioacuten de bases de datos Evaluacioacuten de probabilidad de formaciones geoloacutegicas y petroliacuteferas Siacutentesis de voz desde texto Medio Ambiente Analizar tendencias y patrones Previsioacuten del tiempo Finanzas Previsioacuten de la evolucioacuten de los precios Valoracioacuten del riesgo de los creacuteditos Identificacioacuten de falsificaciones Interpretacioacuten de firmas Manufacturacioacuten Robots automatizados y sistemas de control (visioacuten artificial
y sensores de presioacuten temperatura gas etc) Control de produccioacuten en liacuteneas de proceso Inspeccioacuten de calidad Filtrado de sentildeales Medicina Analizadores del habla para la ayuda de audicioacuten de sordos profundos Diagnoacutestico y tratamiento a partir de siacutentomas yo de datos analiacuteticos
(encefalograma etc) Monitorizacioacuten en cirugiacutea Prediccioacuten de reacciones adversas a los medicamentos Lectoras de Rayos X Entendimiento de causa de ataques epileacutepticos Militares Clasificacioacuten de las sentildeales de radar Creacioacuten de armas inteligentes Optimizacioacuten del uso de recursos escasos
[4]
Referencias
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2MbMqh
m [1]
httpjjhmoramxtripodcomredholograficapdf [2]
httpwwwcsusescursosiatitemastema-09pdf
httpwwwmonografiascomtrabajos12redneurredneurshtmlMODELOixzz3B2XHN7g
m [3]
REDES NEURONALES ARTIFICIALES Joseacute R Hilera y Victor J Martinez 2000
Alfaomega Madrid Espantildea [4]
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8
![Page 8: Modelo de una red neuronal artificial](https://reader036.vdocuments.site/reader036/viewer/2022073014/559cd6e71a28aba65f8b4693/html5/thumbnails/8.jpg)
Investigacioacuten 1 Modelo de una red neuronal artificial Cachorros 19 de Agosto 2014
Paacutegina 8 de 8