You are on page 1of 15

Redes Neuronales

Gioberti Lanfranco 2014-0217
Erick Cuevas
Gedwin Jimenez 2014-1276
Victor Zena 2014-1296

Cada unidad neuronal está conectada con muchas otras y los enlaces entre ellas pueden incrementar o inhibir el estado de activación de las neuronas adyacentes. Cada unidad neuronal. de forma individual. .Que Son?  Las redes neuronales son un modelo computacional basado en un gran conjunto de unidades neuronales simples. de forma aproximadamente análoga al comportamiento observado en los axones de las neuronas en los cerebros biológicos. opera empleando funciones de suma.

Si hay una técnica en análisis predictivo que captura este aspecto más que cualquier otro. . también conocido como machine learning. Su funcionamiento se basa en el aprendizaje. es el modelado de redes neuronales artificiales.Como Funcionan?  El análisis predictivo se utiliza hoy día en numerosas ocasiones como sinónimo del término "aprendizaje automático". una búsqueda iterativa de los coeficientes o pesos dados a inputs y outputs.

Aproximación .

Previsión .

Clasificación .

el trabajo de las redes neuronales artificiales para la agrupación es similar a la clasificación de registros.Agrupación  La agrupación es otra forma de clasificación. donde se desconoce el número de clases antes de forma previa. . Por tanto.

El uso de las redes neuronales artificiales en la empresa .

Tipos de Redes Neuronales  Red Back Propagation  Aprendizaje Asociativo  Redes Competitivas .

. La señal de salida se compara con la salida deseada y se calcula una señal de error para cada una de las salidas. Una vez que se ha aplicado un patrón a la entrada de la red como estímulo. hasta generar una salida. este se propaga desde la primera capa a través de las capas superiores de la red. Red Back Propagation La Backpropagation es un tipo de red que emplea un ciclo propagación de adaptación de dos fases.

Red Back Propagation .

correlaciones o categorías que se puedan establecer entre los datos que se presenten en su entrada. . regularidades. por ello suele decirse que estas redes son capaces de auto organizarse. puesto que no hay supervisor que indique a la red la respuesta que debe generar ante una entrada concreta.Aprendizaje Asociativo Las redes con aprendizaje no supervisado (también conocido como auto-supervisado) no requieren influencia externa para ajustar los pesos de las conexiones entre sus neuronas. la red no recibe ninguna información por parte del entorno que le indique si la salida generada en respuesta a una determinada entrada es o no correcta. Estas redes deben encontrar las características.

como neurona vencedora y el resto quedan anuladas y siendo forzadas a sus valores de respuesta mínimos. o una por grupo. suele decirse que las neuronas compiten (y cooperan) unas con otras con el fin de llevar a cabo una tarea dada.Redes Competitivas En las redes con aprendizaje competitivo (y cooperativo). Con este tipo de aprendizaje se pretende que cuando se presente a la red cierta información de entrada. . o una por cierto grupo de neuronas. se active (alcance su valor de respuesta máximo). Por tanto las neuronas compiten para activarse quedando finalmente una. sólo una de las neuronas de salida de la red.

Clasificacion de las redes neuronales  Redes neuronales monolíticas: Estas se caracterizan por poseer un espacio reducido. trabajan independientemente sobre un dominio propio.  Redes neuronales múltiples: poseen una arquitectura fuertemente separada.  Redes neuronales modulares: es una red constituida usando módulos. .

 Grandes expectativas en el futuro y sus posibles usos indefinidos. .Diferencias de redes neuronales y Sistemas Expertos  Los Sistemas expertos necesitan intervencion de humanos mientras que las redes neuronales no.  Los sistemas expertos no pueden aprender por si mismos.  Las Redes neuronales pueden aprender a reconocer los patrones que se le indica.  Las redes neuronales permite la optimizacion de procesos y recursos en el area donde se vaya a implementar.