1.

INTRODUCCION
2. MARCO TEORICO
2.1. DEFINICION

Las redes neuronales son sistemas de mapeos no lineales cuya estructura se basa
en principios observados en los sistemas nerviosos de humanos y animales.
Constan de un número grande de procesadores simples ligados por conexiones con
pesos. Las unidades de procesamiento se denominan neuronas.
Cada unidad recibe entradas de otros nodos y genera una salida simple escalar que
depende de la información local disponible, guardada internamente o que llega a
través de las conexiones con pesos.
2.2. ELEMENTOS DE LA RED NEURONAL

Una RNA consta de un conjunto de elementos de procesamiento conectados entre

sí y entre los que se envían información a través de conexiones. Un esquema
básico de una red neuronal artificial se observa en la siguiente figura , la cual
presenta las diferentes capas que tiene esta topología, que es una estructura que
se conoce con el nombre de feed-forward (hacia delante) debido al flujo de la
información.

2.3. ENTRENAMIENTO DE LAS REDES NEURALES

Se denomina entrenamiento al proceso de configuración de una red neuronal para
que las entradas produzcan las salidas deseadas a través del fortalecimiento de las
conexiones.
El aprendizaje puede dividirse en supervisado o asociativo y no supervisado o auto-
organizado.
En el primer caso se introducen entradas que corresponden a determinadas salidas,
ya sea por un agente externo o por el mismo sistema. En el segundo caso el
entrenamiento se enfoca a encontrar características estadísticas entre
agrupamientos de patrones en las entradas.
Si dos unidades j y k están activas al mismo tiempo, la conexión entre las dos debe
ser fortalecida mediante la modificación del peso:

2.4. REDES DE UNA CAPA

Las redes de una capa presentan las entradas directamente conectadas a las
salidas mediante pesos. Las salidas no interactúan, por lo que una red con Nout
salidas puede ser analizada como Nout redes separadas.

Figure 1: RED DE UNA CAPA Figure 2: FUNCION DEL NODO