De
De
Por medio de
Estas
De
Es
Y
Entre la
Es decir
Dispone de
Donde
A una
Que
Se compone por
Es la
Con
Es un
de
Se basa en
En función del
Esta
Y del
En función del
De
Esta proporciona
De
O
Esta
Y la
Entre la
Que
Es un
Es un
Genera una
O
De un
Como
O
Se define por
En
Son

Redes Neuronales Artificiales

sistemas computacionales O de implementación

Hardware y Software

Modelos

Rumelhart y
McClelland (1986)

Un elemento de proceso (EP)

Neurona artificial

Un dispositivo que
a partir

Conjunto de entradas
xi(i=1...n)

Vector X

Única salida Y

Composición

Conjunto de pesos
sinápticos Wij

Representan la interacción

Neurona presináptica j

Neurona prosináptica i

Regla de propagación
d(wij,xj(t))

Proporciona el potencial
prosináptico hit(t)

Conjunto de entradas

Vector de entradas X

n componentes

Función de activación
ai(t)=f(ai(t-1), hi(t))

El estado de activación

La neurona

Estado anterior
(de activación)

Valor postsináptico

Función de salida Fi(t)

Proporciona la salida yi(t)

Estado de activación

Métodos de aprendizaje

Aprendizaje Supervisado

La decisión

Aproximación/Optimización

Aprendizaje No Supervisado.

Entrenamiento Competitivo

Redes asociativas de pesos fijos

Tipos De Redes Neuronales

MonoCapa

Red neuronal más simple

Una capa de neuronas

Proyectan las entradas

Capa de neuronas
de salida

Pueden realizarse
diferentes cálculos

MultiCapa

Un conjunto de
capas intermedias

Capas ocultas

Capa de entrada

La de salida

Arquitectura

La estructura o patrones

Las conexiones de red

Se dividen

Capas

Entrada

De salida

Ocultas