Redes Neuronales Nombre: Diana Mena Curso. 4 C
¿ Que son.. ? <ul><li>Son un aprendizaje y procesamiento automático </li></ul><ul><li>inspirado en la forma en que funcion...
Historia <ul><li>En un principio los esfuerzos estuvieron dirigidos a la obtención de autómatas   </li></ul><ul><li>Hoy en...
Ventajas <ul><li>Son capaces de aprender de la experiencia, de generalizar de casos anteriores a nuevos casos, de abstraer...
Fundamentos  <ul><li>Las neuronas y las  conexiones constituyen la clave para el procesado de la información.  </li></ul><...
Elementos <ul><li>Son modelos que intentan reproducir el comportamiento del cerebro  </li></ul><ul><li>Aquellas que recibe...
Características <ul><li>Existen cuatro elementos que caracterizan una red neuronal: </li></ul><ul><ul><li>Su topología. </...
Topología <ul><li>Es   la   organización de las neuronas. </li></ul><ul><li>forma capas o agrupaciones de neuronas más o m...
Red ADALINE  <ul><li>Fueron desarrolladas por Bernie Widrow en la Universidad de Stanford.  </li></ul><ul><li>Basada en la...
Próxima SlideShare
Cargando en…5
×

Redes Neuronales 01

219 visualizaciones

Publicado el

Publicado en: Viajes
0 comentarios
0 recomendaciones
Estadísticas
Notas
  • Sé el primero en comentar

  • Sé el primero en recomendar esto

Sin descargas
Visualizaciones
Visualizaciones totales
219
En SlideShare
0
De insertados
0
Número de insertados
6
Acciones
Compartido
0
Descargas
4
Comentarios
0
Recomendaciones
0
Insertados 0
No insertados

No hay notas en la diapositiva.

Redes Neuronales 01

  1. 1. Redes Neuronales Nombre: Diana Mena Curso. 4 C
  2. 2. ¿ Que son.. ? <ul><li>Son un aprendizaje y procesamiento automático </li></ul><ul><li>inspirado en la forma en que funciona el sistema nervioso de los animales. </li></ul><ul><li>Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. </li></ul>
  3. 3. Historia <ul><li>En un principio los esfuerzos estuvieron dirigidos a la obtención de autómatas </li></ul><ul><li>Hoy en día se continúa estudiando en ésta misma línea, con resultados sorprendentes, existen maneras de realizar procesos similares a los inteligentes y que podemos encuadrar dentro de la llamada Inteligencia Artificial </li></ul>
  4. 4. Ventajas <ul><li>Son capaces de aprender de la experiencia, de generalizar de casos anteriores a nuevos casos, de abstraer características esenciales a partir de entradas que representan información irrelevante, etc. </li></ul><ul><li>Capacidad de aprender a realizar tareas basadas en un entrenamiento o en una experiencia inicial. </li></ul>
  5. 5. Fundamentos <ul><li>Las neuronas y las conexiones constituyen la clave para el procesado de la información. </li></ul><ul><li>El axón, que es el camino de salida de la señal generada por la neurona. </li></ul><ul><li>Las dendritas, que son la vía de entrada de las señales que se combinan en el cuerpo de la neurona. </li></ul>
  6. 6. Elementos <ul><li>Son modelos que intentan reproducir el comportamiento del cerebro </li></ul><ul><li>Aquellas que reciben estímulos externos relacionados con el aparato sensorial, que tomarán la información de entrada. </li></ul><ul><li>Es en las sinapsis y neuronas correspondientes a este segundo nivel donde se genera cualquier tipo de representación interna de información. </li></ul>
  7. 7. Características <ul><li>Existen cuatro elementos que caracterizan una red neuronal: </li></ul><ul><ul><li>Su topología. </li></ul></ul><ul><ul><li>El mecanismo de aprendizaje, </li></ul></ul><ul><ul><li>Tipo de asociación realizada ente la información de entrada y salida </li></ul></ul>
  8. 8. Topología <ul><li>Es la organización de las neuronas. </li></ul><ul><li>forma capas o agrupaciones de neuronas más o menos alejadas de la entrada y salida de la red. </li></ul><ul><li>Los parámetros fundamentales de la red son: el número de capas, el número de neuronas por capa, el grado de conectividad y el tipo de conexiones ente neuronas. </li></ul>
  9. 9. Red ADALINE <ul><li>Fueron desarrolladas por Bernie Widrow en la Universidad de Stanford. </li></ul><ul><li>Basada en la búsqueda del mínimo de una expresión del error entre la salida deseada y la salida lineal obtenida antes de aplicarle la función de activación escalón. basada en la búsqueda del mínimo de una expresión del error entre la salida deseada y la salida lineal obtenida antes de aplicarle la función de activación escalón. </li></ul><ul><li>basada en la búsqueda del mínimo de una expresión del error entre la salida deseada y la salida lineal obtenida antes de aplicarle la función de activación escalón. </li></ul>

×