REDES NEURONALES

Gabriela Canchigña Cuarto “C”

REDES NEURONALES

Redes Neuronales Método de aprendizaje automático

basado en el funcionamiento del cerebro.

Las células llamadas neuronas son una unidad de procesamiento que

Recibe un estimulo eléctrico de otras neuronas principalmente a través de su árbol dendrítico.

El estimulo eléctrico recibido al pasar de un cierto umbral causa que la

neurona a su vez imprima una señal eléctrica a través de su axón a

otras neuronas.

HISTORIA

HISTORIA

1943 - Warren McCulloch y Walter Pitts , primer modelo.

1962 - Widrow & Hoff desarrollan un método de aprendizaje.

1963-1980 olvidadas 1980- Múltiples aplicaciones y

diferentes modelos Redes Neuronales

Método Matemático y Biológico

El cerebro tiene unas 1010 neuronas Conexiones por neurona: 104-5 Tiempo de activación/desactivación

0.001 seg. Tiempo en reconocer una cara 0.1 seg Computación paralela!

Modelo Biológico

Modelo Matemático

LAS REDES NEURONALES:Son aproximantes universales que implementaninferencia bayesiana

Predicción• enfermedades coronarias• ventas• divorcios

Clasificación• clientes de un banco• economía

Interpolación• control de producción• reconocimiento

Funciones lineales: f(x) = x.

Funciones paso: Dan una salida binaria

dependiente de si el valor de entrada está por

encima o por debajo del valor umbral. Funciones sigmoidales: Funciones monótonas acotadas que dan una

salida gradual no lineal.

RED NEURONAL MULTICAPA

Red neuronal multicapa: Cada perceptrón está conectado a

todos los demás de la siguiente capa. Las capas ocultas no están conectadas al exterior. No hay conexión entre las neuronas de la misma capa. Redes Neuronales

IMÁGENES

Aplicaciones de redes neuronales

Créditos Seguros

Logística Sociología

Control Optimización

Fidelidad Bolsa

NOS SIRVE PARA??? Simulación del movimiento de objetos

(juegos, realidad virtual, etc..)

RECONOCIMENTO DE CARAS

APLICACIONES INDUSTRIALES

RECONOCIMENTO DE VOZ

• Dos personas dicen “Hola”• Hacemos un análisis de frecuencias (60)• Entrenamos una red con “hola”s

• 1

• 0

• • 1• 0

• Discrimnación de la red con “hola”s conocidos = 100%• Discriminación de la red con “hola”s desconocidos = 100%

SERIES TEMPORALES DE COTIZACIONES

Promedios sobre redes entrenadas a partir de pesos aleatorios › Si existe un modelo

subyacente, las redes son equivalentes

› Si no existe un modelosubyacente, las redes producen

• Lanzamos 100 redes sobre datos entrenar/validar• Para cada dato tenemos un promedio y una dispersión• Descartamos 3 sigma

Opciones Alarmas Arbitraje Estrategias