Introducción a las Redes. Neuronales Artificiales
|
|
- Sofia Morales Guzmán
- hace 5 años
- Vistas:
Transcripción
1 Redes sus Neuronales Artificiales, PhD. Patricio García Baéz, PhD. Grupo de Investigación en Inteligencia Computacional y Robótica (GICR) Escuela de Ingeniería de Antioquia y
2 Redes Neuronales en la Inteligencia Artificial sus Las 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. Ambas tratan de resolver problemas no algorítmicos a partir de la experiencia almacenada como conocimiento. y
3 Inspiración Biológica sus «Entender el cerebro y emular su comportamiento» El cerebro presenta las siguientes ventajas que son deseables para los sistemas computacionales: Gran velocidad de procesamiento. Tratamiento de grandes cantidad de información provenientes de los sentidos y de la memoria almacenada. Se adapta a nuevos ambientes por aprendizaje. Es robusto y tolerante a fallas. Es compacto y consume poca energía. Es altamente paralelo. Capacidad de aprendizaje. y
4 Inspiración Biológica sus La 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. y
5 Inspiración Biológica sus La 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. y
6 Inspiración Biológica sus Las 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. y
7 Inspiración Biológica sus Características Sistema Nervioso Central (SNC): Inclinación a adquirir conocimiento desde la experiencia. Conocimiento almacenado en conexiones sinápticas. Gran plasticidad neuronal. Comportamiento altamente nolineal. Alta tolerancia a fallos. Apto para reconocimiento, percepción y control. y
8 Modelado Neuronal Una 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. Laurene Fausett sus y
9 Modelado Neuronal El 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. sus y
10 Neurona Natural vs sus Neurona=Unidad de Procesamiento. Conexiones Sinápticas=Conexiones o Pesos. Efectividad Sináptica=Peso Sináptico. Exitatorio/Inhibitorio=Pesos(+ ó -). Efecto combinado de sinapsis = Función suma. Activación->Radio disparo = Función activación ->salida. y
11 sus y
12 Dependiendo del problema a resolver, la función de activación toma diferentes formas de la siguiente manera: sus 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. y
13 Arquitecturas Neuronales sus 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. y
14 Aprendizaje: Estimulación de las Redes Neuronales. Cambios internos debido a la estimulación. Nueva forma de responder a los cambios de la estructura interna. Paradigmas de Aprendizaje. Aprendizaje Supervisado. Aprendizaje por Reforzamiento. Aprendizaje Auto-Organizado (No Supervisado). Precalculado o prefijado. sus y
15 Fases para el desarrollo de un modelo neuronal sus y
16 del Modelado Neuronal Dentro de las ventajas que presentan el modelado neuronal frente a otro tipo de modelamiento tenemos: sus Generalización. Estructura altamente paralela. No Linealidad. Mapeo Entrada-Salida. Adaptabilidad. Respuesta Graduada. Manejo de Información Contextual. Tolerancia a Fallos. VLSI. Uniformidad en el Análisis y Diseño. Estabilidad en el Aprendizaje. Analogía y Neurobiología. y
17 sus De acuerdo con lo anterior, las redes neuronales pueden solucionar problemas en diferentes áreas del conocimiento: Procesamiento de Señales Informática Sicología Matemáticas Implementaciones Arquitectura y Teoría de Redes Neuronales. Análisis de Datos Reconocimiento de Patrones Control Inteligencia Artificial Física Desarrollo de aplicaciones con paralelismo implícito Construcción de modelos neuronales. Validación de funcionamiento de arquitecturas neuronales y
18 Los modelos neuronales tienen la potencialidad para la solución de problemas en áreas como: Asociación de Datos. Clasificación de Patrones. Pronóstico y Predicción. Control de Procesos Industriales. Aproximación. Optimización. De manera general, las redes neuronales son aplicables en áreas de conocimiento en las cuales: Es difícil describir el conocimiento /forma de resolverlos. Se dispone de una gran cantidad de datos. sus y
19 de las Redes Neuronales Neurosimuladores. Los neurosimuladores se pueden clasificar en: Software: Estas aplicaciones son flexibles y económicas, debido a su facilidad de implementación. Hardware: Estas aplicaciones resultan ser muy eficientes, debido a que el poder de su funcionamiento esta en los pesos de sus conexiones. De acuerdo con su desarrollo, el neurosoftware posee: Programación directa. Librerías específicas de libre distribución. Entornos de desarrollo amigables. De acuerdo con lo anterior, estas aplicaciones dan al usuario: Facilidad de uso. Potencia. Eficiencia. Extensibilidad. sus y
20 Problemas de Asociación. NETalk (Sejnowski & Rosemberg) Genera gonemas a partir de textos escritos. Permite el reconocimiento lectura de algunas palabras de un texto. Tratamiento de imágenes. Reconocimiento de placas de automoviles. Tratamiento del ruido en imágenes Restitución. Compresión de imágenes. sus y
21 Problemas de Clasificación de Patrones. sus Conteo de Células Clasificación de glóbulos blancos Inspección Visual Procesos de producción repetitivos y alta velocidad. Reconocimiento del Iris Para autenticación en seguridad. y
22 Problemas de Pronóstico y Predicción.. NeuralStocks. Pronóstico de Acciones. Pronóstico y Predicción Hidrológica para reservas en embalses y períodos de lluvias. sus y
23 Problemas de Robótica. Manipulación de piezas a alta velocidad. Cinemática Inversa y Análisis de Esfuerzos. Navegación automática en espacios cerrados. Planeación de trayectorias. sus y
24 Problemas de Interpolación y Optimización sus Aproximación de funciones. Problemas de Optimización de Rutas en Sistemas de Información Geográfica (SIG). y
25 Problemas en Astrofísica/Astronomía Identificación y caracterización de Objetos como Galaxias y Fuentes de Rayos Gama. Eliminación de ruido en imágenes satelitales. Búsqueda de cúmulos de galaxias. Análisis de datos recogidos por instrumentos de nueva generación como: Telescopios de neutrinos. Telescopios de rayos gamma. Interferómetros de ondas gravitacionales. sus y
26 . Circuito electrónico híbrido entre estructuras naturales y artificiales. Se conoce en el mundo científico como NeuroChip o microcircuito neuronal. Se utilizaron neuronas de caracol y chips de silicio. Se logró establecer conexiones artificiales entre dichos elementos. Colocaron diminutos generadores entre las neuronas para crear cambios de voltaje para accionar un interruptor. Se abre el camino a la neurocomputación. sus y
27 Futuro de las Redes Neuronales Artificiales. El futuro de la redes neuronales esta enmarcado en dos grandes líneas de investigación: Identificación de características de los organismos vivos. Evolución, Computación Colectiva, Manejo del Conocimiento. Computación Neuronal, Neurocomputación, Natural Computing (SoftComputing). Solución de la Escalabilidad del Aprendizaje. Cómo determinar parámetros erróneos en el aprendizaje? Cómo aumentar la complejidad de los modelos neuronales con plataformas computacionales existentes? Incorporación de conceptos fundamentales en el funcionamiento del cerebro. sus y
28 sus ISAZI, P. Redes de Neuronas Artificiales. Ed. Prentice Hall Latinoamérica, Primera Edición, México, HILERA GONZÁLEZ, José Ramón; MARTÍNEZ, Víctor José. Redes neuronales artificiales: fundamentos, modelos y aplicaciones. España: Rama, p. García, B. Patricio, su Aplicación a la Investigación en Astrofísica Universidad de Gran Canarias, España, 2009 y
29 sus Muchas Gracias y del modelado neuronal
Introducción a las Redes Neuronales
Introducción a las Redes Neuronales Excepto en las tareas basadas en el cálculo aritmético simple, actualmente, el cerebro humano es superior a cualquier computador: Reconocimiento de imágenes, Interpretación
Más detallesRedes Neuronales Artificiales
Redes Neuronales Artificiales Alejandro Osses Vecchi 11 de julio de 2009 1. Introducción Comenzaremos con una definición simple y general de Red Neuronal para, en las próximas secciones, explicar y profundizar
Más detallesCONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7)
Tema 1: Conceptos Básicos Sistemas Conexionistas 1 CONCEPTOS BÁSICOS (Freeman capt.1; Neural Nets capt. 4,5 y 7) 1.- Introducción. 1.1.- Redes Neuronales de Tipo Biológico. 1.2.- Redes Neuronales dirigidas
Más detallesIntroducción a las Redes Neuronales y su aplicación a la Investigación Astrofísica
Introducción a las Redes Neuronales y su aplicación a la Investigación Astrofísica pgarcia@ull.es 1 Sumario Introducción Inspiración biológica Modelado Neuronal Implementaciones Aplicaciones Grupo de trabajo
Más detallesREDES NEURONALES. Una esquema simplificado de una neurona se muestra en la siguiente figura. Cuerpo celular. Dendrita. Axón.
REDES NEURONALES Las redes neuronales constituyen una poderosa herramienta para modelar sistemas, especialmente no lineales, sean dinámicos o estáticos. En el cuerpo celular se realizan la mayoría de las
Más detallesProfesor: Leonardo Franco Despacho Web:
Asignatura: MODELOS COMPUTACIONALES Ingeniería a técnica t en informática de gestión Horario Clases: Martes y Jueves 7:30-9:30 Aula: 3.05 Profesor: Leonardo Franco Despacho 3.2.29 Email: lfranco@lcc.uma.es
Más detallesIntroducción a las Redes Neuronales Articiales
Inteligencia Humana como Inspiración Novena Sesión 24 de marzo de 2010 Inteligencia Humana como Inspiración Inteligencia Humana como Inspiración Sistema Nervioso Humano Características: Complejo No Lineal
Más detallesINVESTIGACIÓN OPERATIVA Redes Neuronales Artificiales y Aplicaciones INTEGRANTES: Armijos Mauricio Jara Iza Rony
INVESTIGACIÓN OPERATIVA Redes Neuronales Artificiales y Aplicaciones INTEGRANTES: Armijos Mauricio Jara Iza Rony Técnicas De La Inteligencia Artificial Programación Heurística Redes Neuronales. Evolución
Más detallesNeurona. Células y Fibras nerviosas Célula Nerviosa. Sensoriales, motoras y de asociación Nucleo Actividades metabólicas Conexiones sinápticas
Redes Neuronales Neurona Células y Fibras nerviosas Célula Nerviosa Neuronas Bipolares Neuronas Multipolares Sensoriales, motoras y de asociación 50000 Nucleo Actividades metabólicas Conexiones sinápticas
Más detallesUniversidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática
Universidad de Costa Rica Facultad de Ingeniería Escuela de Ciencias de la Computación e Informática Licenciatura en Computación e Informática Plan de Estudios 2008 (Modificado: Resolución VD-8687-2011)
Más detallesCapítulo 3 REDES NEURONALES Y SU APLICACIÓN EN LA INGENIERÍA SÍSMICA III. REDES NEURONALES Y SU APLICACIÓN EN LA INGENIERÍA SÍSMICA
III. REDES NEURONALES Y SU APLICACIÓN EN LA INGENIERÍA SÍSMICA 32 III. REDES NEURONALES ARTIFICIALES Y SU APLICACIÓN EN LA INGENIERÍA SÍSMICA III.1 CONCEPTOS GENERALES En sus orígenes las Redes Neuronales
Más detallesÍNDICE. Índice de figuras Índice de tablas INTRODUCCIÓN OBJETIVOS DEL PROYECTO... 21
Índice ÍNDICE Índice de figuras... 9 Índice de tablas... 13 1. INTRODUCCIÓN... 15 2. OBJETIVOS DEL PROYECTO... 21 3. EVOLUCIÓN DE LA METODOLOGÍA DE DISEÑO Y DE LA TECNOLOGÍA... 29 3.1 Evolución de la tecnología...
Más detallesRedes Neuronales. Introducción a las redes neuronales Carlos Andrés Delgado S.
Redes Neuronales Introducción a las redes neuronales carlos.andres.delgado@correounivalle.edu.co Carlos Andrés Delgado S. Facultad de Ingeniería. Universidad del Valle Agosto de 2017 Contenido 1 Neurofisiología
Más detallesUniversidad de Costa Rica Sistema de Aplicaciones Estudiantiles SAE
Página 1 de 8 Plan de Estudio Enfasis 0 Bloque Común(no hay énfasis) Nivel Curso Nombre del curso T P L TP Cred. Requisitos y Req. Equivalentes Correquisitos y Correq. Equivalentes 1 CI1010 INTRODUCCIÓN
Más detallesÁrea Académica: Instituto de Ciencias Básicas e Ingeniería, Sistemas Computacionales. Tema: Aplicaciones de Redes Neuronales e inspiración biológca.
Área Académica: Instituto de Ciencias Básicas e Ingeniería, Sistemas Computacionales Tema: Aplicaciones de Redes Neuronales e inspiración biológca. Profesor: Víctor Tomás T. Mariano. Alumnos: Leticia Hernández
Más detallesIntroducción a Las redes Neuronales (Neurales) CO-6612
a Las redes Neuronales (Neurales) CO-6612 Coordenadas iniciales: Prof. Minaya Villasana Oficina: CBI-112 Extension: 906 3386 forma más fácil (preferida) de contacto: mvillasa@usb.ve Bibliografia: Simon
Más detallesUNIVERSIDAD DE GUADALAJARA
UNIVERSIDAD DE GUADALAJARA CENTRO UNIVERSITARIO DE LOS ALTOS DIVISIÓN DE ESTUDIOS EN FORMACIONES SOCIALES LICENCIATURA: INGENIERÍA EN COMPUTACIÓN UNIDAD DE APRENDIZAJE POR OBJETIVOS REDES NEURONALES ARTIFICIALES
Más detallesLIM. Modelización del conjunto motor-transmisión de un automóvil a partir de datos experimentales. Trabajo final de grado
Trabajo final de grado Modelización del conjunto motor-transmisión de un automóvil a partir de datos experimentales Autor Alfonso Ramón Varela Olmedo Tutores Miguel Ángel Naya Villaverde Emilio Sanjurjo
Más detallesRedes Neuronales Artificiales El Perceptrón
1 Sistemas Expertos e Inteligencia Artificial / Guía IX / Ciclo 01-2018 Facultad: Ingeniería Escuela: Computación Asignatura: Sistemas Expertos e Inteligencia Artificial Redes Neuronales Artificiales El
Más detallesRedes Neuronales Artificiales
Redes Neuronales Artificiales Claudio Javier Tablada Germán Ariel Torres Resumen. Una Red Neuronal Artificial es un modelo matemático inspirado en el comportamiento biológico de las neuronas y en la estructura
Más detallesINGENIERO EN INFORMÁTICA (CÓDIGO 1096)
INGENIERO EN INFORMÁTICA (CÓDIGO 1096) PRIMER CURSO (EXTINGUIDO) SEGUNDO CURSO (sin docencia, sólo examen) 0200 INFORMÁTICA TEÓRICA 9 Anual Troncal 0201 PROBABILIDADES Y ESTADÍSTICA 6 1º Troncal 0202 TECNOLOGÍA
Más detallesCONCLUSIONES. La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con
319 CONCLUSIONES La teoría de Redes Neuronales Artificiales, presenta grandes ventajas con respecto a otros modelos típicos de solución de problemas de Ingeniería, una de ellas es su inspiración en modelos
Más detallesRedes Neuronales. Elementos básicos de las redes neuronales Carlos Andrés Delgado S.
Redes Neuronales Elementos básicos de las redes neuronales carlos.andres.delgado@correounivalle.edu.co Carlos Andrés Delgado S. Facultad de Ingeniería. Universidad del Valle Agosto de 2017 Contenido 1
Más detallesUnidad VII Redes Neuronales
Unidad VII Redes Neuronales Maestría en Sistemas Computacionales Clave: MPSCO-0108 6 Créditos Sesiones Sábados 10-13 Rafael Vázquez Pérez Agenda 7.1 Introducción a las Redes Neurales (ANN) 7.2 Tipos de
Más detallesÍndice general. Introducción... 23
Índice general Introducción... 23 Parte I. Inteligencia Artificial 1. Conocimiento y Razonamiento... 33 1.1. Introducción... 33 1.2. Representaciones proposicionales... 34 1.3. Representaciones estructuradas...
Más detallesIntroducción a las Redes de Neuronas
OPENCOURSEWARE REDES DE NEURONAS ARTIFICIALES Inés M. Galván José M. Valls Tema 1 Introducción a las Redes de Neuronas Introducción a las Redes de Neuronas 1 Introducción a las Redes de Neuronas Introducción
Más detallesCALENDARIO EXÁMENES 2015/2016 Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Matemáticas Ingeniería Informática
Grado en Doble Grado en y Matemáticas Tit Curso Nombre Fecha Turno Aula/s GI 1 Fundamentos Físicos y Tecnológicos 01-sep M 0.1* - 0.6* GIM 1 Fundamentos Físicos y Tecnológicos 01-sep M 0.1* - 0.6* II 5
Más detallesRedes Neuronales. Parte I. Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Redes Neuronales Parte I Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez UNIDAD TEMÁTICA : REDES NEURONALES Introducción. De/iniciones. Topologías típicas.
Más detallesReconocimiento automático de palabras en documentos históricos usando redes neuronales convolucionales
Reconocimiento automático de palabras en documentos históricos usando redes neuronales convolucionales Dra. Ma. de Guadalupe García Hernández Departamento de Ingeniería Electrónica Objetivo general Aplicar
Más detallesRedes Neuronales. Introducción. José Manuel Quero Reboul Dpto. Ingeniería Electrónica Universidad de Sevilla
Redes Neuronales Introducción José Manuel Quero Reboul Dpto. Ingeniería Electrónica Universidad de Sevilla Indice Motivación Arquitectura Leyes de Aprendizae Aplicaciones DILEMA MEMORIA CALCULO Aritmética
Más detallesCARRERA DE INGENIERIA DE SISTEMAS
COMPUTACIÓN GRÁFICA CARRERA DE INGENIERIA DE SISTEMAS Act. Mayo 14 2013 ASIGNATURAS DE ÉNFASIS OFRECIDAS PARA LA CARRERA COMPUTACIÓN GRÁFICA 4189 Introducción a la Computación Gráfica 3 21801 Interacción
Más detallesInteligencia Artificial (EC5)
Inteligencia Artificial (EC5) Ciclo Lectivo 2018 Redes Neuronales Parte I Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez UNIDAD TEMÁTICA : REDES NEURONALES
Más detallesIngeniería Informática
Grado en Ingeniería Informática Escuela Superior de Ingeniería Avda. de la Universidad de Cádiz, 10 11519 - Puerto Real (Cádiz) 95483200 grado.informatica@uca.es http://esingenieria.uca.es Itinerario Curricular
Más detallesFACULTAD DE INGENIERÍA
FACULTAD DE INGENIERÍA FORMACIÓN EN INGENIERÍA DE SOFTWARE Y BASES DE DATOS EN LOS ESTUDIANTES DE LA CARRERA DE ING. EN COMPUTACIÓN DE LA FI, UNAM EN EL PLAN DE ESTUDIOS 2015 MAYO, 2015 Porcentaje de alumnos
Más detallesPrograma de estudios por competencias Seminario de solución de problemas Inteligencia Artificial II
Programa de estudios por competencias Seminario de solución de problemas Inteligencia Artificial II 1. Identificación del curso Programa educativo: Licenciatura en Ingeniería en Computación Unidad de aprendizaje:
Más detallesInteligencia Artificial. Aprendizaje neuronal. Ing. Sup. en Informática, 4º. Curso académico: 2011/2012 Profesores: Ramón Hermoso y Matteo Vasirani
Inteligencia Artificial Aprendizaje neuronal Ing. Sup. en Informática, 4º Curso académico: 20/202 Profesores: Ramón Hermoso y Matteo Vasirani Aprendizaje Resumen: 3. Aprendizaje automático 3. Introducción
Más detallesAprendizaje Automatizado. Redes Neuronales Artificiales
Aprendizaje Automatizado Redes Neuronales Artificiales Introducción Otra forma de emular características propias de los humanos: memorizar y asociar hechos. Se aprende de la experiencia. El cerebro humano
Más detallesSistema Nervioso. Estructura y componentes
Sistema Nervioso Estructura y componentes Sistema Nervioso Qué es el sistema nervioso? Que función cumple? Sistema Nervioso Es: Compleja red que permite a un organismo comunicarse con el ambiente. Detectan
Más detallesTema 3: Ðreas de la IA: Ejemplos de Investigaci n Actual (III) Redes Neuronales
Tema 3: Ðreas de la IA: Ejemplos de Investigaci n Actual (III) Redes Neuronales SRP Carlos Carrascosa Casamayor Vicente J. Julián Inglada Tema 3: Ðreas de La IA: Ejemplos de Investigaci n Actual (II) Redes
Más detallesGrado en Ingeniería Informática
Grado en Ingeniería Informática Primer Curso Primer semestre ESCUELA SUPERIOR DE INGENIERÍA Chile, 1 11002-CÁDIZ Teléfono: 95 015100 Fax: 95 015101 Más información: www.uca.es/ingenieria Itinerario curricular
Más detallesLICENCIATURA EN INGENIERÍA EN CIENCIAS DE LA COMPUTACIÓN
LICENCIATURA EN INGENIERÍA EN CIENCIAS DE LA COMPUTACIÓN Sede Puebla Perfil de Ingreso: Conocimientos: De ciencias naturales y exactas. De cultura regional y nacional. De metodologías básicas de estudio
Más detallesImpulso nervioso. Conceptos básicos
Impulso nervioso Conceptos básicos Ión: partícula con carga eléctrica. Na +, K +, Cl - Canal iónico: proteína de membrana que transporta iones en forma pasiva (difusión facilitada). Polaridad: capacidad
Más detallesImpulso Nervioso y sinapsis
Impulso Nervioso y sinapsis Impulso Nervioso POTENCIAL REPOSO (POLARIZACIÓN) ESTÍMULO POTENCIAL DE ACCIÓN (DESPOLARIZACIÓN) Un ESTÍMULO corresponde a un cambio ambiental capaz de producir la alteración
Más detallesMáster en Tecnologías de la Información
Máster en Tecnologías de la Información Asignaturas x concentración CONCENTRACIÓN (Módulo) Informática en la Empresa - Grupo I 33 Effective Communication in Professional Environments 4 Estrategias para
Más detallesRedes neuronales. Conceptos fundamentales y modelos
Redes neuronales Conceptos fundamentales y modelos 2 Contenido Introduccion La neurona biologica Modelo de una neurona Arquitecturas de las redes: Redes feedforward Arquitecturas de las redes: Redes recurrentes
Más detalles2. Modelado, tipos de modelos, etapas del modelado
Segunda Sesión 30 de julio de 2010 Contenido Modelado 1 Modelado 2 3 Abstracción y Modelo Inteligencia: Relación entre conocimientos previamente no conectados para generar el nuevo conocimiento neceasrio
Más detalles4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC:
4.1 CONGRUENCIA ENTRE LOS OBJETIVOS DEL PLAN DE ESTUDIOS Y EL PERFIL DE EGRESO CON LAS LGAC: A continuación se muestran los objetivos así como los mapas funcionales según la línea de acentuación y la línea
Más detallesREDES NEURONALES INTELIGENCIA ARTIFICIAL II
REDES NEURONALES INTELIGENCIA ARTIFICIAL II REDES NEURONALES El cerebro humano es el sistema de cálculo más complejo que conoce el hombre. El ordenador y el hombre realizan bien diferentes clases de tareas;
Más detalles1 o GII. Universidad de Murcia Facultad de Informática. Calendario de Exámenes 2018 Convocatoria de junio
1 o GII 1885 Estadística 22-5-2018 M 1886 Fundamentos lógicos de la informática 24-5-2018 T 1891 Algebra y matemática discreta 28-5-2018 M 1893 Estructura y tecnología de computadores 30-5-2018 T 1894
Más detalles5. PLANIFICACIÓN DE LAS ENSEÑANZAS
5. PLANIFICACIÓN DE LAS ENSEÑANZAS 5.1. Descripción del Plan de Estudios I. Estructura del Plan de Estudios Módulo Materia Asignatura ECTS Carácter MÉTODOS NUMÉRICOS 6 OBLIGATORIA ECUACIONES FUNDAMENTOS
Más detallesLAS 14 AREAS TEMATICAS DE LA COMPUTACIÓN
En los años 1986-1989 la ACM(Association for Computing Machinery) y la IEEE (Institute for Electrical and Electronic Engineers)Computer Society : Peter Denning y otros definen la Informática como disciplina
Más detallesemercade1@cuc.edu.co Contenido Introducción Elementos básicos del sistema nervioso humano Estructuras y funciones encefálicas Cerebro, aprendizaje y memoria Investigación y estudio del aprendizaje y la
Más detallesIntensificación en "Lenguajes e Inteligencia Artificial"
Ingeniería Informática - ETS Informática Métodos y Técnicas Informáticas específicas. Comportamientos humanos que se quieren simular/emular: IA: Vertiente "cognitiva" : Razonamiento, Intelecto,. RF: Vertiente
Más detallesSistemas Inteligentes en Ingenieria. Antonio Morán, Ph.D.
Sistemas Inteligentes en Ingenieria Antonio Morán, Ph.D. El Ser Humano es Inteligente Tiene Capacidad Para: Aprender Razonar Intuir Mejorar Es Capaz de Trabajar en Forma Autónoma Diseño de Sistemas Inteligentes
Más detallesGRADO EN INGENIERIA INFORMATICA
GRADO EN INGENIERIA INFORMATICA El plan de estudios del Grado en Ingeniería Informática responde a la ficha recogida en la Resolución de 8 de junio de 2009 de la Secretaria General de Universidades que
Más detallesLínea de Especialización Control de Sistemas
Línea de Especialización Control de Sistemas 1.- Propósito de la línea de especialización. Profesional con sólida formación teórico-práctica y visión global amplia acerca de diferentes métodos de modelación,
Más detallesBOLETÍN OFICIAL DEL ESTADO UNIVERSIDADES
Núm. 138 Viernes 10 de junio de 2011 Sec. III. Pág. 60025 III. OTRAS DISPOSICIONES UNIVERSIDADES 10122 Resolución de 23 de mayo de 2011, de la Universidad de Córdoba, por la que se publica el plan de estudios
Más detallesFecha de elaboración: Julio de 2010 Fecha de última actualización:
PROGRAMA DE ESTUDIO Programa Educativo: Área de Formación : Licenciatura en Ciencias Computacionales Integral Profesional Horas teóricas: 2 Horas prácticas: 2 Total de Horas: 4 Sistemas de Control Digital
Más detallesGRADUADO EN INGENIERÍA DE COMPUTADORES Guía de Aprendizaje. Información al estudiante
GRADUADO EN INGENIERÍA DE COMPUTADORES Guía de Aprendizaje DATOS DESCRIPTIVOS Información al estudiante ASIGNATURA: Sistemas Inteligentes Nombre en inglés: Intelligent Systems MATERIA: Sistemas Inteligentes
Más detallesBOLETÍN OFICIAL DEL ESTADO UNIVERSIDADES
Núm. 197 Martes 18 de agosto de 2015 Sec. III. Pág. 75038 III. OTRAS DISPOSICIONES UNIVERSIDADES 9287 Resolución de 27 de julio de 2015, de la Universidad de Alicante, por la que se publica la modificación
Más detallesCOD COMPETENCIAS BÁSICAS DEL TÍTULO Mód Mat
COD COMPETENCIAS BÁSICAS DEL TÍTULO Mód Mat CT1 CT2 CT3 Denominación Capacidad para concebir, redactar, organizar, planificar, desarrollar y firmar proyectos en el ámbito de la ingeniería en informática
Más detallesCalendario escolar y períodos para administrar las unidades de aprendizaje Calendario escolar anual, con dos períodos regulares y un intensivo
CARACTERÍSTICAS GENERALES Nombre de la carrera Licenciatura en Ingeniería en Computación, 2004 Título que otorga Ingeniero/a en Computación Espacio académico donde se imparte Facultad de Ingeniería Centro
Más detallesIntensificaciones y optatividad Proceso de petición y asignación de asignaturas
Edificio Fermín Caballero Paseo de la Universidad, 4 13071 Ciudad Real (España) e-mail: Eduardo.FdezMedina@uclm.es Telf.: 926295300 ext. 3744 Fax.: 926295354 Intensificaciones y optatividad Proceso de
Más detallesINTELIGENCIA ARTIFICIAL I
ESCUELA SUPERIOR POLITÉCNICA AGROPECUARIA DE MANABÍ MANUEL FÉLIX LÓPEZ CARRERA INFORMÁTICA SEMESTRE SEXTO PERIODO OCT-2014/MAR-2015 INTELIGENCIA ARTIFICIAL I TEMA: INTRODUCCIÓN A LAS REDES DE NEURONAS
Más detallesElección n de ruta y ajuste de velocidad en robots con ruedas dependiendo de la rugosidad de la superficie de navegación
CENTRO DE INVESTIGACION Y DE ESTUDIOS AVANZADOS Elección n de ruta y ajuste de velocidad en robots con ruedas dependiendo de la rugosidad de la superficie de navegación Alumno: Farid García a Lamont Asesor:
Más detallesINGENIERIA INFORMATICA 1
INGENIERIA INFORMATICA 1 Los objetivos docentes de esta carrera son proporcionar un adecuado equilibrio entre los conocimientos formales y la experiencia práctica en los diferentes campos de la informática,
Más detallesAsignaturas antecedentes y subsecuentes
PROGRAMA DE ESTUDIOS Sistemas de Control Digital Área a la que pertenece: Área de Formación Integral Profesional Horas teóricas: 3 Horas prácticas: 2 Créditos: 8 Clave: F0187 Asignaturas antecedentes y
Más detallesASIGNATURA FECHA HORA AULA. Introducción a la Robótica 15-dic 11,00-13,00 2,2H/2,3H. Programación de Robots I 18-dic 10,00-12,00 2,2H/2,3H
EXÁMENES CONVOCATORIA ORDINARIA 1ºC PRIMER CURSO Introducción a la Robótica 15-dic 11,00-13,00 2,2H/2,3H Programación de Robots I 18-dic 10,00-12,00 2,2H/2,3H Fundamentos de Ingeniería Informática 20-dic
Más detallesTécnicas de inteligencia artificial. Aprendizaje: Perceptrón multi-capa
Técnicas de inteligencia artificial Aprendizaje: Perceptrón multi-capa Índice Regla delta Modelo computacional Neuronas e hiperplanos Entrenamiento como ajuste supervisado No-separabilidad lineal Backpropagation
Más detalles3.- COMPETENCIAS GENERALES Y ESPECÍFICAS QUE LOS ESTUDIANTES DEBEN ADQUIRIR DURANTE SUS ESTUDIOS Y QUE SON EXIGIBLES PARA OTORGAR EL TÍTULO
3.- COMPETENCIAS GENERALES Y ESPECÍFICAS QUE LOS ESTUDIANTES DEBEN ADQUIRIR DURANTE SUS ESTUDIOS Y QUE SON EXIGIBLES PARA OTORGAR EL TÍTULO Competencias Básicas (según Real Decreto 1393/2007, de 29 de
Más detallesLínea de Especialización Inteligencia Computacional y Robótica
Línea de Especialización Inteligencia Computacional y Robótica 1.- Propósito de la línea de especialización La Inteligencia Computacional agrupa la teoría, diseño y aplicación de métodos y técnicas biológica
Más detallesRedes neuronales en control de sistemas
Redes neuronales en control de sistemas Marco Teórico Las redes neuronales tratan de emular ciertas características propias de los humanos, una muy importante es la experiencia. El ser humano es capaz
Más detallesUNIVERSIDAD TECNOLOGICA DE LOS ANDES VICE RECTORADO ACADEMICO FACULTAD DE INGENIERÍA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA
FACULTAD DE INGENIERÍA ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS E INFORMÁTICA I. INFORMACIÓN GENERAL SILABO 2016 1.1. Nombre de la asignatura SISTEMAS EXPERTOS 1.2. Código SI101 1.3. Año Calendario
Más detallesOrden de las clases...
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 20 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesProcesamiento Digital de Imágenes. Pablo Roncagliolo B. Nº 20
Procesamiento Digital de Imágenes Pablo Roncagliolo B. Nº 20 Orden de las clases... CAPTURA, DIGITALIZACION Y ADQUISICION DE IMAGENES TRATAMIENTO ESPACIAL DE IMAGENES TRATAMIENTO EN FRECUENCIA DE IMAGENES
Más detallesRedes Neuronales Artificiales
Red de Hopfield Almacenar un conjunto de p patrones de forma tal que cuando se presente un nuevo patrón, la red responda produciendo alguno de los patrones previamente almacenados que más se parezca al
Más detallesPerfil de la carrera Licenciatura en Computación Inteligencia Artificial
Perfil de la carrera Licenciatura en Inteligencia Artificial La formación del licenciado apunta a completar requisitos mínimos de formación básica y a la especialización del egreso en sub-áreas de o en
Más detallesTema 2.- Caracterización de la informática La informática como disciplina científica Sub-áreas de la disciplina.
Tema 2.- Caracterización de la informática 2.1. La informática como disciplina científica. 2.2. Sub-áreas de la disciplina. 2.1. La informática como disciplina científica. 2.1.1 Una definición de Informática.
Más detallesGUÍA DEL CURSO ACADÉMICO ESCUELA UNIVERSITARIA DE INFORMÁTICA UNIVERSIDAD POLITÉCNICA DE MADRID
GUÍA DEL CURSO ACADÉMICO 2010 2011 ESCUELA UNIVERSITARIA DE INFORMÁTICA 1. Plan de estudios en Ingeniería de Computadores página 1 2. Plan de estudios en Ingeniería del Software página 3 1. PLAN DE ESTUDIOS
Más detallesf) Calendario escolar y periodos para administrar las unidades de aprendizaje Calendario escolar anual, con dos periodos regulares y un intensivo
CARACTERÍSTICAS GENERALES a) Nombre del Proyecto Curricular Licenciatura en Ingeniería en Computación 2004 b) Título que se otorga Ingeniero/a en Computación c) Espacios donde se imparte Facultad de Ingeniería
Más detallesRedes Neuronales. Parte II. Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez
Redes Neuronales Parte II Facultad de Ciencias Exactas y Tecnología Universidad Nacional de Tucumán Mg. Ing. Gustavo E. Juárez UNIDAD TEMÁTICA : REDES NEURONALES Introducción. De/iniciones. Topologías
Más detallesCURSOS DEL PLAN DE ESTUDIOS DE FÍSICA
CURSOS DEL PLAN DE ESTUDIOS DE FÍSICA Nº CÓDIGO T CURSO Sistema 1 CF001 E TOPICOS ESPECIALES I D 4 3 --- --- 1 --- --- 2 CF002 E TOPICOS ESPECIALES II D 4 3 --- --- 1 --- --- 3 CF003 E TOPICOS ESPECIALES
Más detallesGUÍA DEL CURSO ACADÉMICO ESCUELA UNIVERSITARIA DE INFORMÁTICA UNIVERSIDAD POLITÉCNICA DE MADRID
GUÍA DEL CURSO ACADÉMICO 2011 2012 ESCUELA UNIVERSITARIA DE INFORMÁTICA 1. Plan de estudios en Ingeniería de Computadores página 1 2. Plan de estudios en Ingeniería del Software página 3 1. PLAN DE ESTUDIOS
Más detallesCARACTERÍSTICAS GENERALES
CARACTERÍSTICAS GENERALES Nombre del programa Licenciatura de Ingeniería en Sistemas Inteligentes, 2007 Título que otorga Ingeniero/a en Sistemas Inteligentes Espacio donde se imparte Unidad Académica
Más detallesMÉTODOS DE APRENDIZAJE INDUCTIVO (continuación)
Aprendiae Automático y Data Mining Bloque III MÉTODOS DE APRENDIZAJE INDUCTIVO (continuación) REDES NEURONALES 2 Redes neuronales (I) Red neuronal: método de aprendiae inductivo inspirado en la estructura
Más detallesMaestría en. Plan de
Maestría en Plan de MODALIDADES El programa de Maestría en Ingeniería Electrónica está concebido para permitir una alta flexibilidad. Cada estudiante puede diseñar su propio plan de trabajo de acuerdo
Más detallesGrado en Ingeniería Informática Curso Convocatoria de Julio
1 er CURSO GRUPOS: 1 y 3 1 er CURSO 2 o SEMESTRE GRUPO: 1 139261011 Informática Básica 139261021 139261012 Álgebra 139261022 Principios de 139261013 Cálculo 139261023 Optimización 139261014 Fundamentos
Más detallesCentro Nacional de Investigación y Desarrollo Tecnológico
Centro Nacional de Investigación y Desarrollo Tecnológico www..edu.mx Conocimiento y tecnología al servicio de México 1 AGENDA I. EL CENTRO NACIONAL DE INVESTIGACIÓN Y DESARROLLO TECNOLÓGICO (CENIDET-
Más detalles1. OBJETIVOS Necesidad del estudio Introducción 1.10 Estudio de los trabajos anteriores 21 2 METODOLOGÍA
1. OBJETIVOS 8 1.1 Introducción al deslizamiento 8 1.1.1 Características principales 8 1.1.2 Situación Geográfica 9 1.1.3 Descripción del deslizamiento 11 1.1.4 Ocupación del territorio 13 1.1.5 Introducción
Más detalles1 o GII. Calendario de Exámenes 2018 Convocatoria de junio. Universidad de Murcia Facultad de Informática
1 o GII 1891 Estadística 22-5-2018 M A.01, A.02,, A.04, Labs. 1 a planta 1886 Fundamentos lógicos de la informática 24-5-2018 T A.01, A.02, 1885 Algebra y matemática discreta 28-5-2018 M A.01, A.02, Lab.
Más detallesUC I. Rest. Ciclo Tipo UCR
(01) - Primer Semestre Página 1 de 8 1004 CALCULO 10 6 No B OB 0 1006 SISTEMAS DE REPRESENTACION 10 4 No B OB 0 1035 METODOS Y TECNICAS DE INVESTIGACION 3 No B EL 0 1053 INGENIERIA DE SISTEMAS 4 No B OB
Más detallesUnidad 3: Respuesta nerviosa: Sinapsis. Profesor: Nicolás Soto L.
Unidad 3: Respuesta nerviosa: Sinapsis Profesor: Nicolás Soto L. Objetivo Explicar el mecanismo de comunicación neuronal. Sinapsis La sinapsis corresponde a la comunicación funcional entre dos o más neuronas,
Más detallesPRINCIPIOS DE NEUROCIENCIA
PRINCIPIOS DE NEUROCIENCIA EJEMPLO: Ficha solicitud Colección Reserva UNIVERSIDAD AUSTRAL DE CHILE SISTEMA DE BIBLIOTECAS Clasificación: 612.8 KANp 2001 Vol. y/o Copia: Apellido Autor: Título: Kandel,
Más detallesSISTEMAS INTELIGENTES
SISTEMAS INTELIGENTES T10: Redes Neuronales.aic.uniovi.es/ssii Índice Redes Neuronales Artificiales Fundamentos biológicos Perceptrón Funciones de activación Redes de neuronas Entrenamiento: Perceptrón
Más detalles