UNIVERSIDAD DE FUERZAS ARMADAS ESPE

DEPARTAMENTO DE ELCTRICA Y ELECTRNICA

ASIGNATURA: CONTROL INTELIGENTE

Actividad No2. Caracterizacin de las redes neuronales artificiales

Fecha: 2014-04-03
Nombre alumno1: Denis Flores
Nombre alumno2: Diego Soria
NRC: 2053

Redes Neuronales

1. Qu es una red neuronal artificial?

Es una aproximacin matemtica menos compleja que la de un cerebro humano, la

cual est constituida de varias neuronas artificiales enlazadas entre s.

Las neuronas artificiales son aproximaciones de las neuronas biolgicas, que

resultan ser dispositivos fsicos o modelos puramente matemticos; Similar a la
red neuronal que adicionalmente de ser un dispositivo fsico, puede ser una
simulacin o un computador convencional.

La relacin entre una red neuronal y el aspecto prctico puede ser representada
mediante los sistemas computacionales multitarea, los cuales pueden ejecutar una
tarea en particular dividindola en varias sub-tareas ejecutadas paralelamente.

2. Por qu se estudian las redes neuronales?

El estudio de las redes neuronales trae grandes beneficios y ventajas como son:

Resultan ser dispositivos computacionales altamente tiles para resolver

tareas complejas y realizar investigacin.
Se puede lograr obtener un sistema capaz de aprender y entender la tarea o
tareas para la cual estn desarrolladas y deducir soluciones, generando
entrenamiento para el sistema cada vez que ocurra un problema.
La distribucin de tareas paralelamente permite la ejecucin de tareas ms
eficientemente.
Debido a que son sistemas capaces de aprender, no existe necesidad de una
programacin extensa.
Su tolerancia al ruido es muy alta, lo que los convierte en sistemas robustos
donde un sistema convencional tendra dificultades.

3. En qu consiste el aprendizaje de las redes neuronales?

Pgina 1
 Las redes neuronales tienen la capacidad de aprender y generalizar sus conocimientos
en base a un conjunto de datos de entrenamiento, adaptando fuerza y peso de las
conexiones entre neuronas para que la activacin final sea correcta.

Hay muchos mtodos de aprendizaje de redes neuronales, lo ms utilizado es el paso de

activaciones a travs de la red de neuronas artificiales.

Existen tres ramas de aprendizaje de redes neuronales:

- Aprendizaje Supervisado
- Aprendizaje Reforzado
- Aprendizaje No Supervisado

4. Qu acontecimientos son destacables en la historia del desarrollo de las redes

neuronales?

- En 1943 McCulloch an Pitts proponen el modelo ms simple de una neurona

Artificial.
- En 1949 Roseblantt presenta la capa ms simple de una red ahora llamada
Perceptrones.
- En 1969 Minsky y el libro Perceptrones de Papert demostraron la limitacin de una
capa simple de perceptrones y tambin todo el campo de desarrollo se suspendi.
- En 1982 Kohonen desarrolla los Mapas de Organismo propio que ahora llevan su
nombre.
- En 1986 el aprendizaje de algoritmos de Propagacin regresiva fueron
redescubiertas y todo el campo entro en vigencia nuevamente.
- En 1990 El sub campo Redes Funcionales Radial Basis fueron desarrolladas.
- En 2000 La capacidad de ensamblar redes neuronales y el soporte de las maquinas
con vectores se vuelve ms efectivo.

5. Compare el cerebro humano con un computador

El cerebro humano puede ser relacionado como una computadora biolgica ya que se
caracteriza por realizar varios procesos paralelos, es capaz de adaptarse a diferentes
situaciones, tiene un desarrollo interconectado masivo y es tolerante a estmulos
exgenos.

La computadora se caracteriza por su capacidad de descripcin de un problema

mediante un modelo matemtico, la implementacin de un algoritmo para interpretar
dicha solucin, la codificacin del mismo para una maquina especfica y la ejecucin
de este cdigo.

En comparativa:

- Un cerebro contiene 10 billones de neuronas vs 10 millones de procesadores

paralelos en el computador ms potente actual.
- Cada neurona biolgica tiene conexin a varias miles de otras neuronas lo
cual es similar en la conectividad de computadores multitareas.
- La cantidad de neuronas biolgicas en un cerebro es compensada por la
velocidad de la red neuronal ya que una neurona biolgica ejecuta tareas en
milisegundos mientras que un chip lo hace en nanosegundos.
- El consumo de energa de un cerebro humano es ms eficiente que el de una
mquina.
Pgina 2
 6. Compare una neurona biolgica con una neurona artificial

La estructura de una neurona biolgica tiene las siguientes partes:

- Las neuronas codifican sus activaciones mediante o envan salidas a la red de

neuronas mediante impulsos elctricos.
- El cuerpo de la celda de la neurona (soma) procesa y convierte las
activaciones entrantes en activaciones salientes.
- El ncleo de la neurona contiene material gentico en formas de ADN.
- Las dentritas son fibras que salen del cuerpo de la celda y proveen la zona
receptora de las activaciones de otras neuronas.
- Los Axones son fibras que actan como lneas de transmisin hacia otras
neuronas.
- La unicon de la transmisin de seales entre axonas y dentritas se llama
synapsis.

Una neurona artificial tiene un modelo en el cual:

- Se reciben un nmero n de entradas, las cuales son sumadas y se produce una

funcin de activacin no lineal, esto acta como la sinapsis de la neurona
biolgica.
- Tiene una salida en formato digital la cual es la activacin que se dirige hacia
otras neuronas.

Yo Denis Flores Diego Soria afirmo que esta actividad es de mi autora y establezco que para
la elaboracin de la misma he seguido los lineamientos del Cdigo de tica de la Universidad de
las Fuerzas Armadas ESPE

Pgina 3