domingo, 31 de enero de 2016



INTRODUCCIÓN

Los primeros programas de computadoras se guiaban mediante los algoritmos, diferencia principal de una maquina conexionista de una convencional, ya que la conexionista como su nombre lo indica, posee una serie de conexiones las cuales le permite tener una resolución de problemas de manera más eficaz y sin necesidad de tener un algoritmo que lo resuelva.
Dentro de este capítulo vamos a conocer la composición de un modelo computacional de redes neuronales, el funcionamiento de una neurona artificial, es decir, como reciben o envían información.
El cerebro está compuesto por una infinidad de neuronas las mismas que se encuentran interconectadas entre sí para realizar tareas tales como, enviar información  y hacer que el cuerpo reaccione a los estímulos recibidos.

MARCO TEORICO 

MODELO COMPUTACIONAL
Existen modelos muy diversos de redes de neuronas en los cuales se siguen filosofías de sueño, reglas de aprendizaje y funciones de construcción de las respuestas muy distintas. Una primera clasificación se hace en función del recorrido que sigue la información dentro de la red, y así se distinguen redes alimentadas hacia adelante y redes con retro-alimentación (Isasi, P y Galván,I. 2004).
Una red viene determinada por:
4
LA NEURONA ARTIFICIAL
El modelo de Rumelhart y McClelland (1986) define un elemento de proceso (EP), o neurona artificial, como un dispositivo que a partir de un conjunto de entradas, xi (i=1…n) o vector x, genera una única salida y.
5
  ESTRUCTURA BÁSICA DE LA RED
En general, las neuronas suelen agruparse en unidades estructurales llamadas capas. Dentro de una capa, las neuronas suelen ser del mismo tipo. Se pueden distinguir tres tipos de capas:
  • De entrada: reciben datos o señales procedentes del entorno.
  • De salida: proporcionan la respuesta de la red a los estímulos de la entrada.
  • Ocultas: no reciben ni suministran información al entorno (procesamiento interno de la red) (Teahan, W. 2010).
Resultado de imagen de RED NEURONAS
Generalmente las conexiones se realizan entre neuronas de distintas capas, pero puede haber conexiones intracapa o laterales y conexiones de realimentación que siguen un sentido contrario al de entrada-salida.
CONCLUSIONES 
La red de neuronas artificiales al igual que una biológica es la parte más importante en un agente, ya que es esta la que le permite resolver diversos tipos de problemas, aunque aún no se ha podido crear una red similar al cerebro humano se avanza en investigaciones para lograrlo algún día.
Para que la red artificial pueda funcionar de buena manera (en resolución de problemas), es necesario que esta tenga un tipo de aprendizaje, esto para evitar la implementación de nuevos módulos a cada momento.

BIBLIOGRÁFICAS
Salas, R. 2004. Redes Neuronales artificiales. (En línea). ES. Consultado, 30 de Ene. 2016. Formato PDF. Disponible en: http://www.inf.utfsm.cl.
Teahan, W. 2010. Artificial Intelligence – Agents and Environments. (En Línea).  EC. Consultado, 30 de Ene. 2016. Formato PDF. Disponible en: http://www.bookboon.com.
Isasi, P y Galván,I. 2004. Redes neuronales artificiales: Un enfoque práctico. 1 ed. España.  Pearson Education.

No hay comentarios:

Publicar un comentario