Documente Academic
Documente Profesional
Documente Cultură
CARRERA DE COMPUTACIÓN
INTELIGENCA ARTIFICIAL
TEMA:
REDES NEURONALES
AUTORES:
DENNY M. COBEÑA BRAVO
JUAN P. GUTIERRES SÁNCHEZ
MARÍA D. PÁRRAGA RÍOS
FACILITADORA:
ING. LIGIA E. ZAMBRANO SOLORZANO
I. INTRODUCCIÓN...........................................................................................3
II. MARCO TEÓRICO........................................................................................4
2.1. REDES NEURONALES ARTIFICIALES.................................................4
2.2. ARQUITECTURA DE LAS RNA..............................................................5
2.3. TIPOS DE REDES NEURONALES........................................................5
2.3.1. SEGÚN SU ARQUITECTURA..........................................................6
2.3.2. SEGÚN EL APRENDIZAJE..............................................................7
2.4. APLICACIONES DE LAS REDES NEURONALES..........................8
2.5. CARACTERÍSTICAS DE LAS REDES NEURONALES..................9
2.6. VENTAJAS DE LAS RNA........................................................................9
III. DESARROLLO DE EJERCICIOS.............................................................11
3.1. EJERCICIO DE LA HORMIGA ROBÓTICA..........................................11
3.1.1. ANÁLISIS........................................................................................11
3.1.2. ACCIONES.....................................................................................11
3.1.3. CARACTERÍSTICAS......................................................................12
3.1.4. SIMPLIFICACIÓN...........................................................................12
3.1.5. REGLAS DE PRODUCCIÓN.........................................................12
3.1.6. RED NEURONAL ARTIFICIAL.......................................................13
3.2. EJERCICIO DE UNA RED NEURONAL PARA PUERTAS AUTÓMATAS
EN EL EDIFICIO DE LA CARRERA DE COMPUTACIÓN DE LA ESPAM MFL.
.........................................................................................................................14
3.2.1. ANÁLISIS........................................................................................14
3.2.2. ACCIONES.....................................................................................14
3.2.3. CARACTERÍSTICAS......................................................................15
3.2.4. SIMPLIFICACIÓN...........................................................................15
3.2.5. REGLAS DE PRODUCCIÓN.........................................................15
3.2.6. RED NEURONAL ARTIFICIAL.......................................................16
IV. CONCLUSIONES.....................................................................................17
V. BIBLIOGRAFÍA............................................................................................18
I. INTRODUCCIÓN
Las redes neuronales no son más que otra forma de emular ciertas
características propias de los humanos, como la capacidad de memorizar y de
asociar hechos. Si se examinan con atención aquellos problemas que no
pueden expresarse a través de un algoritmo, se observará que todos ellos
tienen una característica en común: la experiencia. El ser humano es capaz de
resolver estas situaciones acudiendo a la experiencia acumulada. Así, parece
claro que una forma de aproximarse al problema consista en la construcción de
sistemas que sean capaces de reproducir esta característica humana. En
definitiva, las redes neuronales no son más que un modelo artificial y
simplificado del cerebro humano, que es el ejemplo más perfecto del que
disponemos para un sistema que es capaz de adquirir conocimiento a través de
la experiencia. Una red neuronal es “un nuevo sistema para el tratamiento de la
información, cuya unidad básica de procesamiento está inspirada en la célula
fundamental del sistema nervioso humano que es la neurona.
II. MARCO TEÓRICO
Al igual que con la inteligencia artificial, existen multitud de definiciones para las
redes neuronales. Algunas de ellas son: Una nueva forma de computación,
inspirada en modelos biológicos. Un modelo matemático compuesto por un
gran número de elementos procesales organizados en niveles. Redes
interconectadas masivamente en paralelo de elementos simples (usualmente
adaptativos) y con organización jerárquica, las cuales intentan interactuar con
los objetos del mundo real del mismo modo que lo hace el sistema nervioso
biológico (Galán & Martínez, 2010).
Monocapa
según su
arquitectua
Multicapas
Redes
Neuronales Aprendizaje
supervisado
segun su Aprendizaje No
aprendizaje supervisado
Aprendizaje
Híbrido
Neuronas
Capa de
Neuronas
Red Neuronal
1. REDES MONOCAPA
Cuentan con una capa de neuronas, que intercambia señales con el exterior y
que constituyen a un tiempo la entrada y la salida del sistema. Una de las redes
más representativas de este modelo es la red de Hopfield, que ha tenido una
gran influencia en el desarrollo posterior de redes neuronales (Galán &
Martínez, 2010).
Están formadas por dos o más capas de neuronas conectadas entre ellas.
Este tipo de redes contienen solo conexiones entre capas hacia delante. Esto
implica que una capa no puede tener conexiones a una que reciba la señal
antes que ella en la dinámica de la computación.
En este tipo de redes pueden existir conexiones de capas hacia atrás y por
tanto la información puede regresar a capas anteriores en la dinámica de la red
(Galán & Martínez, 2010).
Según los autores las redes neuronales ofrecen las siguientes ventajas debido
a su constitución y a sus fundamentos, las redes neuronales artificiales
presentan un gran número de características semejantes a las del cerebro. Por
ejemplo, son capaces de aprender de la experiencia, de generalizar de casos
anteriores a nuevos casos, de abstraer características esenciales a partir de
entradas que representan información irrelevante, etc. Esto hace que ofrezcan
numerosas ventajas y que este tipo de tecnología se esté aplicando en
múltiples áreas. Entre las ventajas se incluyen:
Diseñe una red neuronal que presente una hormiga robótica cuya finalidad es
seguir un rastro de feromonas en un mundo matricial cuadrático. La hormiga
está prevista de un sensor que detecta si la celda frente a ella contiene
feromona y otro sensor que determine si dicha celda frente a ella ya ha sido
visitada. La hormiga es capaz de realizar las siguientes acciones:
ALGORITMIZACIÓN A SEGUIR:
Análisis
Acciones
Característica
Simplificación
Reglas de producción
Red neuronal artificial
III.1.1. ANÁLISIS
Tabla 2. Sensores.
SENSORES
S1: Sensor de feromonas 0 (no detecta feromonas)
1 (detecta feromonas)
S2: Sensor de celdas visitadas 0 (no ha sido visitada)
1 (ha sido visitada)
III.1.2. ACCIONES
Tabla 3.Acciones
ACCIONES
Girar a la izquierda
Girar a la derecha
Avanzar al frente y marcar como visitado
Tabla 4.Acciones
S1 S2 ACCIONES
0 0 Girar a la derecha
0 1 Girar a la derecha
1 0 Avanzar al frente y marcar como visitado
1 1 Girar a la izquierda
III.1.3. CARACTERÍSTICAS
III.1.4. SIMPLIFICACIÓN
ALGORITMIZACIÓN A SEGUIR:
Análisis
Acciones
Característica
Simplificación
Reglas de producción
Red neuronal artificial
3.2.1. ANÁLISIS
Tabla 5. Sensores
SENSORES
S1: Sensor Interno 1 detecta objeto
0 no detecta objeto
S2: Sensor Externo 1 detecta objeto
0 no detecta objeto
S3. Sensor Adicional 1 detecta puerta abierta
0 detecta puerta cerrada
3.2.2. ACCIONES
Tabla 6. Acciones
ACCIONES
Abrir puerta
Cerrar puerta
Sin acción (no hace nada)
Tabla 7.Acciones
S1 S2 S3 ACCIONES
0 0 0 No hace nada
0 0 1 Cerrar Puerta
0 1 0 Abrir Puerta
0 1 1 No hace nada
1 0 0 Abrir Puerta
1 0 1 No hace nada
1 1 0 Abrir Puerta
1 1 1 No hace nada
3.2.3. CARACTERÍSTICAS
3.2.4. SIMPLIFICACIÓN
Yepes Víctor. 2017. ¿Qué es y para qué sirve una red neuronal artificial? (En
línea). Consultado el 27 de Ene, de 2018. Formato pdf. Disponible:
http://victoryepes.blogs.upv.es/2017/01/07/que-es-y-para-que-sirve-una-
red-neuronal-artificial/