Redes Neuronales
Neurona Células y Fibras nerviosas Célula Nerviosa Neuronas Bipolares Neuronas Multipolares Sensoriales, motoras y de asociación 50000 Nucleo Actividades metabólicas Conexiones sinápticas
Neuronas Dendritas Conexiones de Entrada Axon Conexiones de Salida Sinapsis Inhibidora Exitadora
Neuronas
Red Neuronal Composición Neuronas de Entrada (sensores) Neuronas Calculadoras (ocultas) Neuronas de Salida Cerebro - Red de Neuronas Calculadoras Red Neuronal artificial compuesta de sensores de tipo mecánico o eléctrico
Sinápsis Flujo de datos desde los nervios hasta cada sinápsis Análisis y procesamiento de información luego hacia los nervios En los seres vivos no se permite el lujo de la especialización ya que si algo se rompe otro elemento debe hacerse cargo de la función. Por eso cada sinapsis esta compuesta de AND, OR, NOT, etc
Sinápsis Una sinapsis suma las tensiones de los impulsos entrantes. Cuando se sobrepasa un determinado nivel de tensión; el llamado umbral de indicación; esta se enciende, esto es deja libre el camino para que pasen los impulsos.
Sinapsis El indicador de tensión es muy bajo, la sinapsis es como un OR. Pocos impulsos bastan para que tenga lugar la conexión. El indicador de tensión es alto, la sinapsis actúa como un AND. Totalidad de impulsos para acceder al camino. Existen conducciones nerviosas para bloqueo. Función de compuerta inversora.
Redes Neuronales Artificiales Un circuito eléctrico que realiza la suma ponderada de las diferentes señales que recibe de otras unidades iguales y produzca en la salida 1 o 0 según el resultado de la suma con relación al umbral o nivel de disparo.
Redes Neuronales Artificiales Función de transparencia para activación de la neurona. Umbral Lógico Limitación Dura Función Signoidal
Redes Neuronales Artificiales Se presenta un entrenamiento, cuando se presenta un mismo tipo de ambiente varias veces y cierto número de neuronas se activan, esto produce un refuerzo, la red queda entrenada y con el peso de conexiones definido. Así, se puede cargar a la neurona con los valores predeterminados.
Redes Neuronales Artificiales
Redes Neuronales Artificiales
Redes Neuronales Artificiales
Redes Neuronales Artificiales Son construidas imitando el proceso de aprendizaje biológico humano inteligente, auto modificación, y aprendizaje por experiencia dinámica. Si la entrada esta inhibida es señal negativa y si es exitosa es positiva. Si la suma de valores positivos y negativos superan el threshold level, la neurona puede enviar señal a otras firing
Redes Neuronales Artificiales
Ventajas Aprendizaje Adaptativo: capacidad de aprender a realizar tareas basadas en un entrenamiento o en una experiencia inicial. Auto-organización: una red neuronal puede crear su propia organización o representación de la información que recibe mediante una etapa de aprendizaje. Tolerancia a fallos: la destrucción parcial de una red conduce a una degradación de su estructura; sin embargo, algunas capacidades de la red se pueden retener, incluso sufriendo un gran daño. Operación en tiempo real: los cómputos neuronales pueden ser realizados en paralelo; para esto se diseñan y fabrican máquinas con hardware especial para obtener esta capacidad. Fácil inserción dentro de la tecnología existente: se pueden obtener chips especializados para redes neuronales que mejoran su capacidad en ciertas tareas. Ello facilitará la integración modular en los sistemas existentes.
Aplicación Modelación financiera y económica. Perfiles de mercado y clientes. Aplicaciones médicas. Gerencia del conocimiento y descubrimiento de datos. Optimización de procesos industriales y control de calidad. Investigación científica. Reconocimiento de textos manuscritos. Reconocimiento del habla. Simulación de centrales de producción de energía. Detección de explosivos. Identificación de blancos de radares. Sistemas de control en reactores, procesos químicos físicos etc.
Ejercicio Se cree que los niños aprenden mediante un proceso llamado razonamiento por analogías, en el que intentan asociar objetos parecidos a otros que ya conocen, y los intentan agrupar por categorías. Supón que un niño ha visto alguna vez un león en el zoo y que sabe que es peligroso, y lo ha representado internamente por el patrón (1 1 0 1 0) Un día va por la calle y se encuentra a un gato, que representaremos por el patrón (1 1 1 0 1) Debe salir corriendo el niño porque crea al verlo que se parece demasiado a un león? Modele ésta situación