CAMILO ENRIQUE VARON GOMEZ CC.

1013601823

REDES NEURONALES
Las Redes Neuronales aparecieron de la mano de la Inteligencia Artificial en sus inicios como: Sistemas formales de reglas y manipulacin simblica. Rama ms conocida de la Inteligencia Artificial. Las Redes Neuronales aparecieron en la Inteligencia Computacional (Softcomputing) como: Sistemas Inspirados en las redes neuronales biolgicas. Mtodos Inductivos: aprendizaje a partir de ejemplos

INSPIRACION BIOLOGICA
La neurona biolgica posee las siguientes caractersticas: rbol dendrtico de entradas. Un Axn de salida. Sobre de 10^4 sinapsis. Comunicacin mediante potenciales de Accin (PA). Perodo refractario de 10 ^(-3) segundos entre PAs.

INSPIRACION BIOLOGICA
La transmisin de informacin entre neuronas se hace de las siguiente manera: Impulso elctrico viaja por el axn. Liberacin de neurotransmisores. Apertura/Cierre de canales inicos. Variacin potencial en dendrita. Integracin de entradas en el soma. Si se supera un umbral de disparo, se genera un PA.

REDES NEURONALES
Las redes neuronales en el cerebro se ubican: Paquetes de 10^10 a 10^11 neuronas. 10^14 sinapsis. Organizacin por capas. Organizacin por niveles. Sistema Nervioso Central. Circuitos entre regiones. Circuitos locales. Neuronales. Arboles dendrticos. Microcircuitos neuronales. Sinapsis. Canales Inicos. Molculas.

Una red neuronal artificial (RNA) es un sistema de procesamiento de informacin que tiene ciertas aptitudes en comn con las redes neuronales biolgicas: El procesamiento de informacin ocurre en muchos elementos simples llamados neuronas. Las seales son transferidas entre neuronas a travs de enlaces de conexin. Cada conexin tiene un peso asociado, el cual, tpicamente, multiplica a la seal trasmitida. Cada neurona aplica una funcin de activacin (usualmente no lineal) a su entrada de red (suma de entradas pesadas) para determinar su salida.

RED NEURONAL ARTIFICIAL

MODELADO NEURONAL
El modelado neuronal, posee los siguientes enfoques: 1. Computacional: Modelos eficientes, potentes y simples. reas de aprendizaje inductivo y reconocimiento de patrones. 2. Cognitivo: Interesado por capacidades cognitivas de los modelos. Centrados en la representacin del conocimiento. 3. Biocognitivo: Premisa la plausibilidad biolgica. 4. Psicofisiolgico: Mecanismos naturales de proceso cognitivos reales

NEURONA ARTIFICIAL
La estructura de una neurona artificial esta compuesta de los siguientes elementos:

Conjunto de entradas(Xi). Conjunto de pesos sinpticos (W j,i). Funcin que representa el ncleo. Funcin de activacin o de salida de informacin. Valor de salida.

NEURONA ARTIFICIAL
Dependiendo del problema a resolver, la funcin de activacin toma diferentes formas de la siguiente manera.

Esta funcin se utiliza cuando se requiere la toma de decisiones en V F, o se quieren procesar imgenes en B N. Estas funciones permiten establecer valores de pertenencia entre un intervalo de V F o B N. Las funciones gaussianas, permiten la clasificacin de patrones de acuerdo con caractersticas fundamentales de los mismos.

ARQUITECTURAS NEURONALES Las redes neuronales tienen las

siguientes arquitecturas: Segn la cantidad de neuronas. 1. Nmero de entradas 2. Nmero de Neuronas Intermedias. 3. Nmero de Neuronas de Salida. Segn conectividad: 1. Feedforward 2. Redes recurrentes. 3. Estructuras Enrejadas