Kategorier: Alle - topología - arquitectura - neuronales - tolerancia

av Anthony Pinzón 6 år siden

2384

Redes neuronales artificiales

Las redes neuronales artificiales son modelos computacionales inspirados en el funcionamiento del cerebro humano. Estas redes se caracterizan por su capacidad de aprender y adaptarse a diferentes tipos de datos y situaciones.

Redes neuronales artificiales

Redes neuronales artificiales

Ventajas y Desventajas

Desventajas
Elevada cantidad de datos para el entrenamiento
Impedimento de interpretación
Tiempo de aprendizaje elevado
Complejidad de aprendizaje en grandes tareas
Ventajas
Flexibilidad

puede manejar cambios no importantes en la información de entrada, como señales con ruido u otros cambios en la entrada

Tolerancia a fallos

puede seguir respondiendo de manera aceptable aun si se daña parcialmente

Auto organización

crea su propia representación de la información en su interior

Aprendizaje

consiste en proporcionar a la RNA datos como entrada a su vez que se le indica cuál es la salida esperada

Utilidad

en la medicina, las RNA, poseen utilidades basadas en asistir al medico en algunas tareas
Diagnóstico

detección de cáncer y patologías cardíacas a través de las señales que se obtienen a partir de la aparatología médica

Farmacología

desarrollo de drogas para el tratamiento del cáncer. También han sido utilizadas para el proceso de modelado de biomoléculas

Analítica

facilitan los análisis de orina, sangre, control de diabetes, ionogramas,y la forma de detectar condiciones patológicas a través del análisis bioquímico

Imágenes

procesamiento de mágenes de alta complejidad (RX; TAC; RNM; ecografías; Doppler, etc) mediante redes neuronales permitió establecer patentes referidas a imágenes significativas de patologías antes no demostradas.

Funcionamiento

Pesos sinápticos
señales de entrada
Señal de salida o simplemente salida
Función de activación
Función de propagación o unión de sumadora

Características

cuatro aspectos fundamentales de una red neuronal
tipo de asociación entre la información de entrada y salida

almacenan cierta información aprendida; está información se registra de forma distribuida en los pesos asociados a las conexiones entre neuronas de entrada y salida

Topología

arquitectura de las redes neuronales consiste en la organización y disposición de las neuronas

capas más o menos alejadas de la entrada y salida de la red

los parámetros fundamentales de la red son

conexiones entre neuronas.

grado de conectividad

número de neuronas por capa

número de capas

mecanismo de aprendizaje

basa en el entrenamiento de la red con patrones

3 tipos de aprendizaje

aprendizaje híbrido

aprendizaje no supervisado

aprendizaje supervisado

forma de representar de la información

las funciones de activación de las neuronas serán continuas, del tipo lineal o sigmoidal

Definición

Modelo computacional
funcionamiento del cerebro

desarrollo de una arquitectura con rasgos cerebrales

Vídeo Relacionado a las Redes Neuronales Artificiales

https://www.youtube.com/watch?v=6vwfT3-mBBw