Documente Academic
Documente Profesional
Documente Cultură
1
Carrera de ingeniera automotriz
Ing. Paul Ortiz, Msc
2 Contenido
Estmulos
Observacin
Informacin
Inteligencia.
Memoria.
Aprendizaje.
Toma de decisiones.
Continua Evolucin.
5 1.1. Aprendizaje y
Generalizacin
6 1.1. Aprendizaje y
Generalizacin
7 1.1. Aprendizaje y
Generalizacin
Inteligencia lingstica:
Es la habilidad de dominar el lenguaje
Oral
Escrito
Expresin Corporal
8 1.1. Aprendizaje y Generalizacin
Inteligencia lgico-matemtica:
habilidad para razonar de manera
deductiva y lgica.
habilidad de resolver problemas
matemticos.
9 1.1. Aprendizaje y Generalizacin
Inteligencia espacial.
La inteligencia espacial se define como la
capacidad humana poder observar el
mundo y los objetos desde diferentes
perspectiva
10 1.1. Aprendizaje y
Generalizacin
La inteligencia
naturalista
Definida como la sensibilidad
que muestran algunos
individuos hacia el mundo
natural.
habilidad de distinguir,
ordenar, clasificar,
comprender y utilizar
elementos del medio
ambiente
11 1.1. Aprendizaje y
Generalizacin
Percepcin Evolucin
Razonamiento
Aprendizaje Adaptabilidad
24 1.2. Historia de las Redes
Neuronales
APLICACIONES:
MEDICINA
Universidad de Lund en Suecia, han desarrollado una tcnica que
aplica la Inteligencia Artificial a unos biochips que se usan para
anlisis gentico.
25 1.2. Historia de las Redes
Neuronales
APLICACIONES:
MEDICINA
. Recurren a la inteligencia artificial para mejorar el
diagnstico del Alzheimer
Fuente: www.infosalus.com
26 1.2. Historia de las Redes
Neuronales
APLICACIONES:
MEDICINA
En China ya se puede pedir un diagnstico mdico a una
inteligencia artificial
Fuente:www.lavanguardia.com
27 1.2. Historia de las Redes
Neuronales
APLICACIONES:
EDUCACIN.
SISTEMAS LGICA
HBRIDOS DIFUSA
INTELIGENCIA
ARTIFICIAL
REDES SISTEMAS
BAYESIANAS EXPERTOS
ALGORITMOS
GENETICOS
34 1.3. Fundamentos biolgicos
Fundamentos biolgicos de las redes
neurales naturales
Una neurona biolgica es una clula especializada en
procesar informacin.
La clave para el procesamiento de la informacin son las
conecciones entre ellas llamadas sinpsis
Modelo de la Neurona
P = vector de entrada
W =vector de Aprendizaje
b = bias
f = funcin de activacin
a = salida
Si el peso es positivo se habla de una
excitacin y si el peso es negativo se
considera una inhibicin de la entrada.
37 1.4. Modelo computacional
Funciones de Activacin.
La regla que logra establecer el efecto de la entradas
y los pesos sinpticos.
Funcin escaln
La funcin de activacin escaln se asocia a
neuronas binarias en las cuales, cuando la suma de
las entradas.
38 1.4. Modelo computacional
Funcin de sigmoidal
En la funcin de activacin sigmoidal puede tener en
su sumatoria valores desde mas infinito a menos
infinito y la salida tomar valores entre cero y uno,
segn la expresin:
40 1.4. Modelo computacional
41 1.4. Modelo computacional