FACULTAD DE INGENIERÍA

ESCUELA PROFESIONAL DE INGENIERÍA

DE SISTEMAS

TEMA
Estado del arte de las redes neuronales artificiales

ALUMNO:
Cedillo Flores Jhonatan

DOCENTE:
Dr. Jorge Gutiérrez Gutiérrez

PERÚ-2023
 MARCO TEÓRICO DEL LIBRO

Estado del campo en 2008:

El estado del campo de la inteligencia artificial en ese momento se caracterizaba por un

gran progreso en la resolución de problemas complejos, el uso de técnicas de aprendizaje
automático y la aplicación de la inteligencia artificial en la vida cotidiana. Además, el
libro aborda temas como la lógica difusa, la minería de datos y las redes neuronales
artificiales, entre otros (1).

Los métodos y técnicas de inteligencia artificial:

Son enfoques utilizados para desarrollar sistemas y algoritmos que imitan la inteligencia
humana. Algunos de los métodos y técnicas comunes en inteligencia artificial incluyen:

Fundamentos de la inteligencia artificial:

La inteligencia artificial es la capacidad de las máquinas para imitar la inteligencia

humana y realizar tareas complejas.

- Aprendizaje automático:

Es el proceso en el que las máquinas aprenden de los datos y mejoran su

rendimiento sin ser programadas explícitamente.

- Lógica difusa:

Es una herramienta que permite a las máquinas trabajar con información

incierta o imprecisa.

- Redes neuronales:

Son modelos inspirados en el cerebro humano que se utilizan para

reconocimiento de patrones y procesamiento de datos.

2
 - Algoritmos genéticos:

Son técnicas de optimización basadas en la evolución biológica para

encontrar soluciones óptimas (1).

Aplicaciones de la inteligencia artificial:

- Sistemas de recomendación: Recomendar productos o contenido

personalizado a los usuarios.

- Procesamiento del lenguaje natural (NLP): Interpretar y generar texto

automáticamente, como traducción y análisis de sentimientos.

- Visión por computadora: Analizar y comprender imágenes y videos, como

reconocimiento facial y detección de objetos.

- Automatización industrial y robótica: Realizar tareas complejas en

entornos industriales, como la automatización de procesos y la robótica
colaborativa.

- Medicina y salud: Ayudar en el diagnóstico médico, la predicción de

enfermedades y la gestión de datos médicos.

- Conducción autónoma: Permitir la conducción sin intervención humana

en vehículos autónomos.

Desafíos y limitaciones

se refiere a los obstáculos y restricciones que enfrenta esta tecnología. Algunos desafíos
incluyen la falta de datos de calidad, la dificultad para explicar y comprender ciertos
modelos, el sesgo y la equidad en los algoritmos, y las preocupaciones éticas y de
privacidad (1).

3
Relevancia y contribuciones del libro

El libro "Inteligencia Artificial: Métodos, Técnicas y Aplicaciones" editado por José

Tomás Palma Méndez y Roque Marín Morales es un recurso valioso para aquellos
interesados en profundizar en la inteligencia artificial. El libro aborda aspectos teóricos,
prácticos y aplicados de la inteligencia artificial, incluyendo conceptos fundamentales,
métodos y técnicas, así como aplicaciones y desafíos asociados. Este libro es una
referencia para estudiantes de postgrado en España y América Latina. Ofrece información
valiosa para investigadores y profesionales que buscan una comprensión más profunda
de la inteligencia artificial y su aplicación en diversos campos.

4
 ENTRENAMIENTO Y VERIFICACIÒN DE REDES
NEURONALES ARTIFICIALES

1- Reconocimiento de un icono de un triángulo:

- Código:
Primero la definición de las variables.

Segundo la especificación de pesos de entrada y salida oculta:

5
Preparación de entrada y cálculo de salida de la capa:

6
- Resultado de ejecución:

7
2- Reconocimiento de un icono de corazón:
- Código:
Primero vamos a declarar variables:

Segundo la especificación de pesos de entrada y salida oculta:

Calculación de salidas y resultados:

8
// Reconocer el corazón
double[] entradaCorazon = convertirPatronAVector(patronCorazon);
double[] salidaCorazon = calcularSalida(entradaCorazon,
pesos_entrada_oculta, pesos_oculta_salida, neuronas_entrada,
neuronas_oculta, neuronas_salida);
}
public static double[] calcularSalida(double[] entrada, double[][]
pesos_entrada_oculta, double[][] pesos_oculta_salida, int
neuronas_entrada, int neuronas_oculta, int neuronas_salida) {
// Calcular la salida de la capa oculta
double[] salida_oculta = new double[neuronas_oculta];
for (int i = 0; i < neuronas_oculta; i++) {
double suma = 0.0;
for (int j = 0; j < neuronas_entrada; j++) {
suma += entrada[j] * pesos_entrada_oculta[j][i];
}
salida_oculta[i] = funcionActivacion(suma);
}

9
- Resultado al ejecutar:

10
3- Reconocimiento de 3 letras ABC en un solo mensaje y puesto en 3 patrones
diferentes:
- Código:
Declaración de primeros patrones:

Declaración de las variables:

Pesos de entrada y salida:

11
Luego configuración de matriz de arreglo de dimensión:

Calculo de salida de capas y la salida final:

Obtenemos letras salientes en imprimir:

12
- Resultado en ejecución:

13
4- Reconocimiento de icono de Flecha:
- Código:
Primero la declaración de variables y la creación del patrón:

Segundo las entradas de los pesos y oculta

14
Reconocimiento artificial de la flecha:
double[] entradaFlechaArriba =
convertirPatronAVector(patronFlechaArriba);
double[] salidaFlechaArriba = calcularSalida(entradaFlechaArriba,
pesos_entrada_oculta, pesos_oculta_salida, neuronas_entrada,
neuronas_oculta, neuronas_salida);
}

Cálculo de la salida de capa oculta:

15
- Ejecución de ejercicio Nro. 4:

16
5- Reconocimiento de una estrella:
- Código:
Definición de variables:

Declaración de DOUBLE para los pesos de entrada y salida:

17
Reconocimiento de la estrella.
double[] entradaEstrella = convertirPatronAVector(patronEstrella);
double[] salidaEstrella = calcularSalida(entradaEstrella,
pesos_entrada_oculta, pesos_oculta_salida, neuronas_entrada,
neuronas_oculta, neuronas_salida);

Calculo de la salida de capa:

Mandamos a imprimir el reconocimiento:

Que la función este retornando en 1:

18
 Creación del vector para el patrón:

- Ejecución:

19
 CONCLUSIONES

➢ En 2008, el campo de la inteligencia artificial experimentaba un gran avance

en la resolución de problemas complejos y su aplicación en la vida cotidiana.

➢ Los métodos y técnicas comunes de inteligencia artificial incluyen el

aprendizaje automático, la lógica difusa, las redes neuronales y los
algoritmos genéticos.

➢ Las aplicaciones de la inteligencia artificial abarcan áreas como los sistemas

de recomendación, el procesamiento del lenguaje natural, la visión por
computadora, la automatización industrial, la medicina y la conducción
autónoma.

➢ Los desafíos y limitaciones de la inteligencia artificial incluyen la falta de

datos de calidad, la explicabilidad de los modelos, el sesgo en los algoritmos
y las preocupaciones éticas y de privacidad.

➢ El libro "Inteligencia Artificial: Métodos, Técnicas y Aplicaciones" es un

recurso valioso que aborda aspectos teóricos, prácticos y aplicados de la
inteligencia artificial, siendo una referencia para estudiantes, investigadores
y profesionales interesados en el tema.

20
Referencias
1. J.T. PM. Inteligencia artificial: métodos, técnicas y aplicaciones. [Online].; 2008 [cited 2023
Mayo 29. Available from: https://elibro.net/es/lc/uladech/titulos/50116.

21