REDES NEURONALES ARTIFICIALES
Ejemplos
Quake II Neuralbot
Un bot es un programa que simula a un jugador humano. El Neuralbot es un bot para el juego Quake II que utiliza una red neuronal artificial para decidir su comportamiento y un algoritmo genético para el aprendizaje.
Ejemplo
Aplicaciones
Aplicaciones en la vida real
Aplicación de funciones, análisis de regresión. Predicción de series temporales, funciones de aptitudes, modelado.
Clasificación, reconocimiento de patrones
Procesamiento de datos, filtrado, agrupamiento, separación ciega de las señales.
Ingeniería de control, control numérico por computadora
Robótica, prótesis.
Conclusión
En general, debido a que son parecidas a las del cerebro humano, las RNA son bien nombradas ya que son buenas para resolver problemas que el humano puede resolver pero las computadoras no.
Aplicaciones tecnológicas extendidas
Reconocimiento de textos manuscritos. OCR
Reconocimiento del habla.
Simulación de centrales de producción de energía.
Detección de explosivos
Identificación de blancos de radares en la vida real.
Integrantes GRUPO 7
Luis Camino - Angel González Jissela Martínez - Lorena Suárez
Historia
Finales de 1940, Donald Hebb creó una hipótesis de aprendizaje basado en el mecanismo de plasticidad neuronal (aprendizaje Hebb) el cual se considera que es un "típico" de aprendizaje no supervisado. En 1948, los investigadores empezaron a aplicar estas ideas a los modelos computacionales con la sugerencia de Turing.
Definición
Es un grupo interconectado de nodos similar a la vasta red de neuronas en un cerebro biológico. Cada nodo circular representa una neurona artificial y cada flecha representa una conexión desde la salida de una neurona a la entrada de otra.
Modelos RNA
Función de Red (RNA)
Tipos parámetros
1. El patrón de interconexión entre las diferentes capas de neuronas.
2. El proceso de aprendizaje para la actualización de los pesos de las interconexiones.
3. La función de activación que convierte las entradas ponderadas de una neurona a su activación a la salida.
El aprendizaje
Paradigmas de aprendizaje
Aprendizaje supervisado
Aprendizaje no supervisado
Aprendizaje con refuerzo
Tipos de entrada
Redes análogas
Redes discretas
Algoritmos de aprendizaje
Algoritmo recursivo convergente de aprendizaje
El empleo de redes neuronales artificiales
Elección de modelo
Algoritmo de aprendizaje
Robustez