1
Mecanismo de aprendizaje automático: red
neuronal perceptrón utilizando Matlab
(abril de 2022)
Arenas, María u20192183154@usco.edu.co
Ávila, Juan u20201187673@usco.edu.co
Gonzalez, Diego u20192183540@usco.edu.co
Vargas, Camilo u20191176162@usco.edu.co
Resumen – Las redes neuronales artificiales (RNA), han sido
utilizadas en diferentes ámbitos y disciplinas, una de sus
aplicaciones más comunes es su uso como herramienta de análisis
de información. En este trabajo se hace una breve introducción
sobre las particularidades de las RNA, específicamente las
basadas en el modelo perceptrón simple, y se exponen los
elementos que la integran y se vincula a una aplicación sobre
Clasificación de la base de datos Iris con la finalidad de mostrar
su funcionamiento.
Índice de Términos – Redes neuronales artificiales, perceptron
simple, Matlab, Machine learning.
I. INTRODUCCION
El creciente desarrollo e implementación de nuevas técnicas
computacionales han marcado desde sus inicios un cambio en
el campo de la informática. Una de las áreas favorecidas con
este desarrollo ha sido el de la inteligencia artificial y en
particular, en el campo de la lógica borrosa (aprendizaje
inductivo), algoritmos genéticos y redes neuronales. Sus
aplicaciones hasta el día de hoy van desde la industria de la
producción, hasta la industria de juegos y a infinidad de
aplicaciones en aparatos de uso cotidiano, y es por esta razón
la importancia que toma el estudio de temas relacionados con
la inteligencia artificial.
A través de los años, prácticamente desde los años 50, se
fueron desarrollando importantes investigaciones en el campo
de la inteligencia artificial, sobre todo con aquellas que tenían
como objeto principal las redes neuronales artificiales (RNA).
El autor Rosenblatt [1], en sus nuevas publicaciones acerca del
perceptrón, abrió nuevas expectativas sobre este tema. No
obstante, las teorías desarrolladas por Minski y Papert [2],
hacen una crítica al modelo neuronal y tratan de plasmar lo
estériles que eran las investigaciones en este tema. En la
década de los 70’s, retoman fuerza estas teorías y se desarrolla
un interés creciente para su aplicación en diferentes campos.
El objetivo del presente trabajo es utilizar la base teórica de las
redes neuronales artificiales, como una herramienta práctica
que permita realizar análisis exploratorios de datos o minería
de datos, vinculados con la clasificación utilizando el
algoritmo Perceptrón simple.
II. DESARROLLO DEL SEMINARIO
Siendo las 18:30 horas del 21 de abril de 2022 se dio inicio al
seminario alemán basado en el artículo científico “Mecanismo
de aprendizaje automático: red neuronal perceptrón utilizando
Matlab” escrito por Norma Ramírez, Martín Laguna y Carlos
Ruiz.
Según el orden del día, el seminario lo inició el coordinador
Diego González, presentando cada integrante del grupo y el
papel de cada uno en el mismo, dio una breve introducción del
tema y dio paso al relator Juan Ávila, quien expuso a grandes
rasgos las RNA con sus características. Posteriormente, inició
la co relatora María Arenas, quien amplió la información de
las RNA, hablando de la estructura de éstas y como, mediante
Machine Learning y una red de datos, se podía usar Matlab
para simular la sinapsis cerebral.
Finalmente, se inició el debate entre los estudiantes del curso y
el profesor; el protocolante Camilo Vargas tomó nota de cada
intervención donde se llegó a aportes como: El aumento
exponencial de la tecnología, la necesidad de constante
aprendizaje por parte de la humanidad para estar al tanto de las
actualizaciones tecnológicas y cómo ser parte de las mismas,
las redes neuronales artificiales actuales (como akinator), la
contemplación del ser humano como sistema experto, entre
otros.
III. APORTES DEL DEBATE
• La tecnología avanza exponencialmente volviéndose
autónoma.
• La inteligencia artificial es la base para programar un
cerebro.
• Una red neuronal tiene como caract4ristica tener un
 2

aprendizaje automático y con esto la capacidad de

adaptarse a múltiples contextos (auto organizarse)
• Las RNA son una puerta a la simplificación de la vida
humana.
• Estamos lejos de la revolución de los robots
• La inteligencia artificial tiene una futura capacidad de
remplazar a un ser humano.
• Las RNA nos pondrán en una futura situación en la
cual tendremos que encontrar la forma de mejorar las
capacidades humanas.
• El desarrollo de la tecnología va de la mano con el uso
del ser humano.
• La creación para una red neuronal artificial se debe a
una fuente de gran conocimiento y un sistema experto.
• Los humanos son sistemas expertos debido a que cada
persona tiene cierto conocimiento de temas o sistemas
según sus competencias.

IV. CONCLUSIÓN
La teoría de Redes Neuronales Artificiales presenta grandes
ventajas con respecto a otros modelos típicos de solución de
problemas de Ingeniería, una de ellas es su inspiración en
modelos biológicos del funcionamiento del cerebro, lo que
facilita su estudio debido a las analogías que pueden
introducirse para su análisis. Los modelos matemáticos en que
han sido desarrollados los algoritmos para todos los tipos de
redes son modelos sencillos, que, aunque exigen cierto grado
de conocimientos de cálculo diferencial, pueden ser
asimilados y desarrollados en cualquier lenguaje de
programación. Por otro lado, las estructuras de las redes se han
definido por medio de notación sencilla y comprensible, cada
nuevo desarrollo permite cierta flexibilidad en cuanto a la
forma final de la red y esto garantiza su fácil adaptación a
aplicación particular

V. BIBLIOGRAFÍA

[1] N. Ramírez, M. Laguna y C. Ruiz, «Mecanismo de

aprendizaje automático: red neuronal perceptrón utilizando
Matlab,» Pistas educativas, nº 103, 2013.