redes neuronales(i
TRANSCRIPT
![Page 1: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/1.jpg)
REDES NEURONALES(I.A)
CAMILO ENRIQUE VARON GOMEZ
CC. 1013601823
![Page 2: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/2.jpg)
REDES NEURONALESLas Redes Neuronales aparecieron de la mano de la Inteligencia Artificial en sus inicios como:
• Sistemas formales de reglas y manipulación simbólica.
• Rama más conocida de la Inteligencia Artificial.
Las Redes Neuronales aparecieron en la Inteligencia Computacional (Softcomputing) como:
• Sistemas Inspirados en las redes neuronales
biológicas.
• Métodos Inductivos: aprendizaje a partir de ejemplos
![Page 3: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/3.jpg)
INSPIRACION BIOLOGICALa neurona biológica posee
las siguientes características:
• Árbol dendrítico de entradas.
• Un Axón de salida.
• Sobre de 10^4 sinapsis.
• Comunicación mediante potenciales de Acción (PA).
• Período refractario de 10 ^(-3)
segundos entre PA’s.
![Page 4: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/4.jpg)
INSPIRACION BIOLOGICALa transmisión de información entre neuronas se hace de las siguiente manera:
• Impulso eléctrico viaja por el axón.
• Liberación de neurotransmisores.
• Apertura/Cierre de canales iónicos.
• Variación potencial en dendrita.
• Integración de entradas en el soma.
• Si se supera un umbral de disparo, se genera un PA.
![Page 5: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/5.jpg)
REDES NEURONALESLas redes neuronales en el cerebro se ubican:
• Paquetes de 10^10 a 10^11
neuronas.
• 10^14 sinapsis.
• Organización por capas.
• Organización por niveles.
• Sistema Nervioso Central.
• Circuitos entre regiones.
• Circuitos locales.
• Neuronales.
• Arboles dendríticos.
• Microcircuitos neuronales.
• Sinapsis.
• Canales Iónicos.
• Moléculas.
![Page 6: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/6.jpg)
RED NEURONAL ARTIFICIALUna red neuronal artificial (RNA) es
un sistema de
procesamiento de información que tiene ciertas aptitudes en común con las redes neuronales biológicas:
• El procesamiento de información ocurre en muchos elementos simples llamados neuronas.
• Las señales son transferidas entre neuronas a través de enlaces de conexión.
• Cada conexión tiene un peso asociado, el cual, típicamente, multiplica a la señal trasmitida.
• Cada neurona aplica una función de activación (usualmente no lineal) a su entrada de red (suma de entradas pesadas) para determinar su salida.
![Page 7: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/7.jpg)
MODELADO NEURONALEl modelado neuronal, posee los siguientes enfoques:
1. Computacional:
• Modelos eficientes, potentes y simples.
• Áreas de aprendizaje inductivo y reconocimiento de patrones.
2. Cognitivo:
• Interesado por capacidades cognitivas de los modelos.
• Centrados en la representación del conocimiento.
3. Biocognitivo:
• Premisa la plausibilidad biológica.
4. Psicofisiológico:
• Mecanismos naturales de proceso cognitivos reales
![Page 8: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/8.jpg)
NEURONA ARTIFICIALLa estructura de una neurona artificial esta compuesta de los siguientes elementos:
Conjunto de entradas(Xi). Conjunto de pesos
sinápticos (W j,i). Función que representa el
núcleo. Función de activación o de
salida de información. Valor de salida.
![Page 9: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/9.jpg)
NEURONA ARTIFICIALDependiendo del problema a resolver, la función de activación toma diferentes formas de la siguiente manera.
Esta función se utiliza cuando se requiere la toma de decisiones en V ò F, o se quieren procesar imágenes en B ò N.
Estas funciones permiten establecer valores de pertenencia entre un intervalo de V ò F o B ò N.
Las funciones gaussianas, permiten la clasificación de patrones de acuerdo con características fundamentales de los mismos.
![Page 10: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/10.jpg)
ARQUITECTURAS NEURONALES
Las redes neuronales tienen las siguientes arquitecturas:
• Según la cantidad de neuronas.
1. Número de entradas
2. Número de Neuronas Intermedias.
3. Número de Neuronas de Salida.
• Según conectividad:
1. Feedforward
2. Redes recurrentes.
3. Estructuras Enrejadas
![Page 11: Redes Neuronales(i](https://reader035.vdocuments.co/reader035/viewer/2022072011/55cf986e550346d033979a09/html5/thumbnails/11.jpg)