21018058-redesneuronales
TRANSCRIPT
-
8/8/2019 21018058-RedesNeuronales
1/52
-
8/8/2019 21018058-RedesNeuronales
2/52
A finales del siglo XIX se logr una mayor claridad sobre eltrabajo del cerebro debido a los trabajos de Ramn y Cajalen Espaa y Sherrington en Inglaterra.
RAMON Y CAJAL
http://images.google.com.mx/imgres?imgurl=http://www.kaskarrabias.com/torrellas/graficos/2007012564santiago_ramon_y_cajal_infe.jpg&imgrefurl=http://www.kaskarrabias.com/torrellas/anuncios.html&usg=__QE97Wqa6ghcn2_lAn8g9ED4vVdM=&h=380&w=227&sz=22&hl=es&start=25&um=1&tbnid=xzsvb2XBRBXIgM:&tbnh=123&tbnw=73&prev=/images?q=santiago+ramon+y+cajal&ndsp=18&hl=es&sa=N&start=18&um=1http://images.google.com.mx/imgres?imgurl=http://www.historiadelamedicina.org/sher.jpg&imgrefurl=http://www.historiadelamedicina.org/sherrington.html&usg=__Si_5xObAF8NNJNGFUMHIuXtsnP0=&h=192&w=135&sz=6&hl=es&start=11&um=1&tbnid=JVNl4V59TUxSgM:&tbnh=103&tbnw=72&prev=/images?q=Charles+Scott+Sherrington&gbv=2&hl=es&lr=lang_es&sa=N&um=1http://images.google.com.mx/imgres?imgurl=http://www.kaskarrabias.com/torrellas/graficos/2007012564santiago_ramon_y_cajal_infe.jpg&imgrefurl=http://www.kaskarrabias.com/torrellas/anuncios.html&usg=__QE97Wqa6ghcn2_lAn8g9ED4vVdM=&h=380&w=227&sz=22&hl=es&start=25&um=1&tbnid=xzsvb2XBRBXIgM:&tbnh=123&tbnw=73&prev=/images?q=santiago+ramon+y+cajal&ndsp=18&hl=es&sa=N&start=18&um=1 -
8/8/2019 21018058-RedesNeuronales
3/52
La neurona se subdivid en tres partes:1.el cuerpo de la neurona,2.ramas de extensin llamadas dendritas para recibir las entradas, y3.un axn que lleva la salida de la neurona a las dendritas de otras neuronas.
LA NEURONAMcCulloch & Pitts [1943] definieron la neurona como un dispositivo binario convarias entradas y salidas.
-
8/8/2019 21018058-RedesNeuronales
4/52
Redes neuronales
Sistemas de procesado de la informacin que hacenuso de algunos de los principios que organizan la estructuradel cerebro humano.
-
8/8/2019 21018058-RedesNeuronales
5/52
1943 - Warren McCulloch & Walter Pitts
Teoria de Redes NeuronalesFormal McCulloch-Pitts.
-
8/8/2019 21018058-RedesNeuronales
6/52
1949 - Donald Hebb Escribi un libro titulado
La organizacin de laconducta.
-
8/8/2019 21018058-RedesNeuronales
7/52
1954 - Marvin Minsky Escribi una tesis de
doctorado tituladaTheory of Neural-
Analog ReinforcementSystems and itsApplication to theBrain-Model Problem"
-
8/8/2019 21018058-RedesNeuronales
8/52
1956- John Von Neumann
Invencin de la
maquina de VonNeumann
-
8/8/2019 21018058-RedesNeuronales
9/52
1958 - Frank Rosenblatt
El perceptrn fue laprimera practicade red neuronalartificial
-
8/8/2019 21018058-RedesNeuronales
10/52
1960 - Bernard Wildrow y Marcian Hoff
ADALINE(ADAptive
LINer Elements) MADALINE(Multiple
ADAptive LINer)
-
8/8/2019 21018058-RedesNeuronales
11/52
1969 - 1981 Las Redes Nuronales CausanPolemica
-
8/8/2019 21018058-RedesNeuronales
12/52
1969 - Marvin Minsky y Seymour Papert
Publican un libro que
presenta laslimitaciones deADALINE Perceptron
-
8/8/2019 21018058-RedesNeuronales
13/52
1982 - John Hopfield
Modelo de Hopfield
-
8/8/2019 21018058-RedesNeuronales
14/52
-
8/8/2019 21018058-RedesNeuronales
15/52
1986 Primera Conferencia RN
-
8/8/2019 21018058-RedesNeuronales
16/52
1986 - Rumelhart, Hinton yWilliams
Back-Propagation
Algorthm
-
8/8/2019 21018058-RedesNeuronales
17/52
Finales 90- a la fecha
-
8/8/2019 21018058-RedesNeuronales
18/52
-
8/8/2019 21018058-RedesNeuronales
19/52
VISTA DESDE EL CEREBRO
-
8/8/2019 21018058-RedesNeuronales
20/52
Las neuronas y las conexiones entre ellas (sinpsis) constituyen la clave para el procesado de la
informacin. Observe la figura:
-
8/8/2019 21018058-RedesNeuronales
21/52
Cambios asociativos de las fuerzas
sinpticas durante el aprendizaje
-
8/8/2019 21018058-RedesNeuronales
22/52
Comunicacin entre neuronas
-
8/8/2019 21018058-RedesNeuronales
23/52
Proceso qumico de una sinpsis
-
8/8/2019 21018058-RedesNeuronales
24/52
-
8/8/2019 21018058-RedesNeuronales
25/52
-
8/8/2019 21018058-RedesNeuronales
26/52
Funciones de las Neuronas Artificiales.
Funcin de propagacin o ponderacin Funcin de activacin
Salida
-
8/8/2019 21018058-RedesNeuronales
27/52
Funciones de las Neuronas Artificiales.
Dentro de la funcin de activacin estn:
Lineal
Sigmoidal
Hiperblicas o tangenciales
Escaln
-
8/8/2019 21018058-RedesNeuronales
28/52
Funciones de las Neuronas Artificiales.
Ejemplo de una neurona artificial
-
8/8/2019 21018058-RedesNeuronales
29/52
-
8/8/2019 21018058-RedesNeuronales
30/52
Unin Lineal
-
8/8/2019 21018058-RedesNeuronales
31/52
Unin de Todos los Nodos
-
8/8/2019 21018058-RedesNeuronales
32/52
Predeterminado:
-
8/8/2019 21018058-RedesNeuronales
33/52
Forma de Conexin de las Capas:
-
8/8/2019 21018058-RedesNeuronales
34/52
Red Neuronal Artificial
-
8/8/2019 21018058-RedesNeuronales
35/52
CLASIFICACIN SEGN SU ESTRUCTURA DELA RED
Redesneuronales por
capas
-
8/8/2019 21018058-RedesNeuronales
36/52
CLASIFICACIN SEGN SU ESTRUCTURA DELA RED
Redes NeuronalesRecurrentes
-
8/8/2019 21018058-RedesNeuronales
37/52
CLASIFICACIN SEGN SU ESTRUCTURA DELA RED
Red Neuronal
FeedForward
-
8/8/2019 21018058-RedesNeuronales
38/52
CLASIFICACIN DE REDES NEURONALESRESPECTO AL APRENDIZAJE
Aprendizaje
supervisado en RedesNeuronales
-
8/8/2019 21018058-RedesNeuronales
39/52
CLASIFICACIN DE REDES NEURONALESRESPECTO AL APRENDIZAJE
Aprendizaje por Componentes Principales
El aprendizaje por componentes principales se basa en hallar caractersticasprincipales a (componentes) que son comunes a muchos patrones de entrada paraello un pequeo nmero de neuronas coopera en la representacin del patrn deentrada.
Aprendizaje competitivo
En el aprendizaje competitivo, las neuronas pugnan entre s, para representar a unaclase o patrn de entrada.
La neurona seleccionada es aquella cuyos pesos incidentes se asemejan ms al patrnde entrada. El aprendizaje consiste en reforzar las conexiones de la unidad ganadora ydebilitar las otras, para que los pesos de la unidad ganadora se asemejen cada vez msal patrn de entrada
-
8/8/2019 21018058-RedesNeuronales
40/52
CLASIFICACIN DE REDES NEURONALESRESPECTO AL APRENDIZAJE
Aprendizaje reforzado
La base de este aprendizaje es muy parecida alaprendizaje supervisado pero la informacin queproporcionamos a la red es mnima se limita a indicar
si la respuesta de la red es correcta o incorrecta.
Este tipo de aprendizaje se basa en la nocin decondicionamiento por refuerzo, esto es se aprendenlas conductas reforzadas positivamente y las
conductas castigadas o reforzadas negativamente. Ennuestro mundo esto se traduce en premiar los pesossinpticos cuando se acierta la salida y penalizarloscuando no se acierta.
-
8/8/2019 21018058-RedesNeuronales
41/52
-
8/8/2019 21018058-RedesNeuronales
42/52
EL PERCEPTRON SIMPLE Y EL PERCEPTRON MULTICAPA
El Perceptrn simple desarrollada en 1957por el psiclogo Frank Rosenblatt.
http://www.ieee.org/portal/cms_docs/about/awards/bios/2006Rosenblatt.jpg -
8/8/2019 21018058-RedesNeuronales
43/52
EL PERCEPTRON SIMPLEEl perceptrn es una red de alimentacin directa, esto es la informacin fluye
desde la capa de entrada hacia la capa de salida
Capa de Neuronas
Sensores
Capa de Sinapsis que
une ambas capas
Capa de neuronas de
salida
Y1
Y2
X3
X2
X1
-
8/8/2019 21018058-RedesNeuronales
44/52
EL PERCEPTRON MULTICAPAPuede resolver problemas que no son linealmente separables
-
8/8/2019 21018058-RedesNeuronales
45/52
RED DE HOLFIELD
John J. Hopfield 1982
http://images.google.com.mx/imgres?imgurl=http://www.consejoculturalmundial.org/imagenes/med-sci-JohnJHopfield.jpg&imgrefurl=http://www.consejoculturalmundial.org/winners-science-johnj.php&usg=__xLgpjhLcDpBpfvI5oU-1qAzISBY=&h=177&w=183&sz=15&hl=es&start=8&um=1&tbnid=ndIZWQcFsu4wYM:&tbnh=99&tbnw=102&prev=/images?q=John+Hopfield+1980&gbv=2&hl=es&lr=lang_es&um=1 -
8/8/2019 21018058-RedesNeuronales
46/52
RED DE HOLFIELDEs una red monocapa
valores(-1,1) o (0,1)
-
8/8/2019 21018058-RedesNeuronales
47/52
RED COMPETITIVADesarrolladas por Rumelhart y Zipser en 1985
Usualmente son redes bicapaAdmite valores binarios (0,1)
Capa de
Neuronas
Sensores
Capa de Sinapsis
que une ambas
capas
Capa de neuronas
de salida
Y1
Y2
X3
X2
X1
-
8/8/2019 21018058-RedesNeuronales
48/52
RED DE KOHONENRed no supervisada70s
-
8/8/2019 21018058-RedesNeuronales
49/52
Procesamiento
Reconocimiento Filtrado
-
8/8/2019 21018058-RedesNeuronales
50/52
Aplicaciones
EmpresaReconocimiento de caracteres escritos.
Identificacin de candidatos para posiciones especficas.
Optimizacin de plazas y horarios en lneas de vuelo.
Prediccin de Stocks
MedicinaDeteccin de tumores cancergenos
Diagnstico y tratamiento a partir de sntomas
-
8/8/2019 21018058-RedesNeuronales
51/52
Aplicaciones
Manufacturacin
Robots automatizados y sistemas de control (visin artificial ysensores de presin, temperatura, gas, etc.)
Control de produccin en lneas de proceso.
Inspeccin de calidad.
Filtrado de seales.
EconomaConcesin de crditos
Deteccin de posibles fraudes en tarjetas de crdito
Determinacin de la posibilidad de quiebra de un banco
-
8/8/2019 21018058-RedesNeuronales
52/52
Bibliografa:
Inteligencia Artificial e Ingeniera del ConocimientoAutor: Gonzalo Pajares Martinsanz, Matilde SantosPeasEditorial: Alfaomega
Optimizacin, Heurstica y Redes NeuronalesAutor: Adenso Daz, Fred Gloverf, Hassan M.Editorial: Paraninfo
http://www.redes-neuronales.netfirms.com/