UNIVERSIDAD AUTONOMA DE

NUEVO LEON
FACULTAD DE INGENIERIA
MECANICA Y ELECTRICA

Inteligencia Artificial y Redes Neuronales

Actividad 6

SÍNTESIS DE LAS REDES NEURONALES ARTIFICIALES

Alumno: Jesus Everardo Rios Diaz Matricula: 1838144

Hora: N1 Carrera: Ingenieria en Mecatronica
Maestro: Ing. Mario Angel Rico Mendez Salon: 9302
Semestre: Agosto – Diciembre 2018 Entrega: 9/11/18

San Nicolás de los Garza, Nuevo León a 31 de Agosto del 2018

Redes Neuronales
Las RNA se definen como sistemas de mapeos no lineales cuya estructura se basa en
principios observados en los sistemas nerviosos de humanos y animales. Constan de un
número grande de procesadores simples ligados por conexiones con pesos. Las unidades de
procesamiento se denominan neuronas. Cada unidad recibe entradas de otros nodos y
genera una salida simple escalar que depende de la información local disponible, guardada
internamente o que llega a través de las conexiones con pesos. Pueden realizarse muchas
funciones complejas dependiendo de las conexiones. 


Las neuronas artificiales simples fueron introducidas por McCulloch y Pitts en 1943. Una red
neuronal se caracteriza por los siguientes elementos:
 Un conjunto de unidades de procesamiento o neuronas. 

 Un estado de activación para cada unidad, equivalente a la salida de la unidad. 

 Conexiones entre las unidades, generalmente definidas por un peso que determina el
efecto de una señal de entrada en la unidad.
 Una regla de propagación, que determina la entrada efectiva de una unidad a partir de
las entradas externas. 

 Una función de activación que actualiza el nuevo nivel de activación basándose en la
entrada efectiva y la activación anterior. 

 Una entrada externa que corresponde a un término determinado como bias para cada
unidad. 

 Un método para reunir la información, correspondiente a la regla del aprendizaje
 Un ambiente en el que el sistema va a operar, con señales de entrada e incluso señales
de error. 


La función f puede ser sigmoidal, tangente hiperbó lica, escalón, entre otras. En MATLAB®
se tiene diferentes funciones de activación como tansig, hardlim y purelin, entre otras, lo
cual facilita las aproxi- maciones que se requieran hacer, empleando RNA.
Cada unidad de proceso tiene una tarea simple: recibe la entrada de otras unidades o de
fuentes externas y procesa la información para obtener una salida que se propaga a otras
unidades.
Una red puede tener una estructura arbitraria, pero las capas que contienen estas
estructuras están definidas de acuerdo con su ubicació n en la topologi ́a de la red neuronal.

Las entradas externas son aplicadas en la primera capa, y las salidas se consideran la última
capa. Las capas internas que no se observan como entradas o salidas se denominan capas
ocultas. Por convenció n, las entradas no se con- sideran como capa porque no realizan
procesamiento.

Elementos de una red neuronal

Una RNA consta de un conjunto de elementos de procesamiento conectados entre sí y

entre los que se envían información a través de conexiones. Un esquema básico de una
red neuronal artificial, la cual presenta las diferentes capas que tiene esta topología, que
es una estructura que se conoce con el nombre de feed-forward (hacia delante) debido al
flujo de la información.

Los elementos básicos de una RNA son:

 Conjuntos de unidades de procesamiento (neuronas). 


 Conexiones entre unidades (asociado a cada conexión un peso o valor). 


 Funciones de salida o activación para cada unidad de procesamiento. 


El modelo de la neurona y la arquitectura de la red describen cómo esta última transforma

sus entra- das en las salidas. Los elementos individuales de cálculo que forman la mayoría
de los modelos de sistemas neurales artificiales, se conocen como neuronas artificiales. 


Perceptrón
Los perceptrones de una capa pueden clasificar correctamente los conjuntos de datos que
son linealmente separables, esto es, que pueden ser separados por un hiperplano. En dos
dimensiones esto puede verse como una línea recta que separa dos clases.