UNIVERSIDAD AUTONOMA DEL PERU

FACULTAD DE INGENIERIA DE
SISTEMAS

REDES NEURONALES
ING: HUGO VEGA HUERTAS

INTEGRANTES:

AGUILAR ROSAS, Naydu

FRANCIA FABIAN, Favio
LUIS BALTAZAR, Vladimir
RIVERA DELGADO Jason

AULA .- 302 -B
SECC. E

SEMESTRE ACADEMICO
2016-I

QU SON LAS REDES

NEURONALES?

Las Redes Neuronales son un campo muy

importante dentro de la Inteligencia Artificial.
Inspirndose en el comportamiento conocido del
cerebro humano (principalmente el referido a las
neuronas y sus conexiones), trata de crear
modelos artificiales que solucionen problemas
difciles
de
resolver
mediante
tcnicas
algortmicas
convencionales.

UN POCO DE HISTORIA
Desde la dcada de los 40, en la que naci y comenz a
desarrollarse la informtica, el modelo neuronal la ha
acompaado. De hecho, la aparicin de los computadores
digitales y el desarrollo de las teoras modernas acerca del
aprendizaje y del procesamiento neuronal se produjeron
aproximadamente al mismo tiempo, a finales de los aos
cuarenta.
A principios de los 80, por un lado Hopfield y sus conferencias
acerca de la memoria autoasociativa y por otro lado la
aparicin del libroParallel Distributed Processing(PDP),
escrito por Rumelhart y McClelland reactivaron la
investigacin en el campo de las redes neuronales. Hubo
grandes avances que propiciaron el uso comercial en campos
tan variados como el diagnstico de enfermedades, la
aproximacin de funciones o el reconocimiento de imgenes.

LA NEURONA BIOLGICA

Fue Ramn y Cajal (1888) quin descubri la estructura celular

(neurona) del sistema nervioso. Defendi la teora de que las
neuronas se interconectaban entre s de forma paralela, y no
formando un circuito cerrado como el sistema sanguneo.
Una neurona consta de un cuerpo celular (soma) de entre 10 y
80mm, del que surge un denso rbol de ramificaciones (dendritas)
y una fibra tubular (axn) de entre 100mm y un metro.

De alguna forma, una neurona es un procesador de informacin muy simple:

Canal de entrada: dendritas.
Procesador: soma.
Canal de salida: axn.
Una neurona cerebral puede recibir unas 10.000 entradas y enviar a su vez
su salida a varios cientos de neuronas

MODELO DE 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 vectorx, genera una nica salida y.

Esta neurona artificial consta de los siguientes elementos:

Conjunto de entradas o vector de entradasx, de n componentes
Conjunto depesos sinpticoswij. Representan la interaccin entre la neurona
presinptica j y la postsinptica i.
Regla de propagacind(wij,xj(t)): proporciona el potencial postsinptico, hi(t).
Funcin de activacinai(t)=f(ai(t-1), hi(t)): proporciona el estado de activacin de la
neurona en funcin del estado anterior y del valor postsinptico.
Funcin de salidaFi(t): proporciona la salida yi(t), en funcin del estado de
activacin.

RED NEURONAL ARTIFICIAL

1.Los nodos se llamanelementos de proceso(EP).
2.Los enlaces se llamanconexionesy funcionan como caminos
unidireccionales instantneos
3.Cada EP puede tener cualquier nmero de conexiones.
4.Todas las conexiones que salgan de un EP deben tener la misma
seal.
5.Los EP pueden tenermemoria local.
6.Cada EP posee unafuncin de transferenciaque, en funcin de
las entradas y la memoria local produce una seal de salida y / o
altera la memoria local.
7.Las entradas a la RNA llegan del mundo exterior, mientras que
sus salidas son conexiones que abandonan la RNA.

ARQUITECTURA DE LAS RNA

La

arquitectura de una RNA

es la estructura o patrn de
conexiones de la red. Es
conveniente recordar que las
conexiones
sinpticas
son
direccionales, es decir, la
informacin slo se transmite
en un sentido.
En general, las neuronas
suelen agruparse en unidades
estructurales llamadascapas.
Dentro de una capa, las
neuronas suelen ser del mismo
tipo. Se pueden distinguir tres
tipos de capas:
Deentrada: reciben datos o seales
procedentes del entorno.
Desalida: proporcionan la respuesta
de la red a los estmulos de la entrada.
Ocultas: no reciben ni suministran
informacin al entorno (procesamiento
interno de la red).

Generalmente las conexiones se realizan

entre neuronas de distintas capas, pero
puede haber conexiones intracapa
olateralesy conexiones
derealimentacinque siguen un sentido
contrario al de entrada-salida