UNIVERSIDAD SANTA MARÍADECANATO DE POSTGRADO Y EXTENSIÓN

DIRECCIÓN DE INVESTIGACIÓNESPECIALIZACIÓN EN PLANIFICACIÓN Y

EVALUACIÓN“ REDES”

Integrantes:

Juan Manuel Rosa

REDES NEURONALES ARTIFICIALES

Esta estructura compuesta de un número

de unidades interconectadas para el

procesamiento de información.

Se prevé que dichas neuronas tengas características

similares a las del cerebro.

* Cúmulo de neuronas físicamente

interconectadas cuya actividad

ayuda a definir un circuito

reconocible en el sistema

nervioso.

*Modelos matemáticos,

computacionales, artificiales,

ideales de una red neuronal

empleados en estadística,

psicología cognitiva, e

inteligencia artificial.

Entrada Pesos

Salidas Función de Propagación

Función o Regla de Activación Función de Salida o de Transferencia

Características de las Redes Neuronales

Topología de las Redes Neuronales

Consiste en la organización y

disposición de las neuronas.

Mecanismo de Aprendizaje

Proceso por el cual una red

neuronal modifica sus pesos en

respuesta a una información de

entrada.

Redes con Aprendizaje Supervisado

Se realiza mediante un entrenamiento controlado por un agente externo

Aprendizaje por corrección

de error Aprendizaje por refuerzo

Aprendizaje estocástico

Se consideran tres formas de llevar a cabo este tipo

Redes con Aprendizaje No Supervisado

Estas redes no requieren influencia externa

Aprendizaje Hebbiano Aprendizaje Hebbiano

En general en este tipo de aprendizaje se suelen considerar dos tipos:

Implementación de las Redes Neuronales

A través de un sistema llamado neurocomputador

la Red Neuronal Artificial puede llevarse a cabo por medio de uno o varios

circuitos integrados específicos

obteniendo así una estructura que se comporte lo más similar posible

a la red neuronal.

Aprendizaje Tolerancia a fallos

Tiempo real

Ventajas

Auto organización Flexibilidad

GRACIAS POR SU ATENCIÓN