1. UNIVERSIDAD SANTA MARÍA
DECANATO DE POSTGRADO Y EXTENSIÓN
DIRECCIÓN DE INVESTIGACIÓN
ESPECIALIZACIÓN EN PLANIFICACIÓN Y
EVALUACIÓN
“ REDES”
Integrantes:
Juan Manuel Rosa

2. REDES NEURONALES ARTIFICIALES
Esta estructura compuesta de un número
de
unidades
interconectadas
para
el
procesamiento de información.
Se prevé que dichas neuronas tengas características
similares a las del cerebro.

3. * Cúmulo de neuronas físicamente
interconectadas cuya actividad
ayuda a definir un circuito
reconocible en el sistema
nervioso.
* Modelos matemáticos,
computacionales, artificiales,
ideales de una red neuronal
empleados en estadística,
psicología cognitiva, e
inteligencia artificial.

4. Entrada
Salidas
Función o Regla de Activación
Pesos
Función de Propagación
Función de Salida o de Transferencia

5. Características de las Redes Neuronales
Topología de las Redes Neuronales
Consiste en la organización y
disposición de las neuronas.
Mecanismo de Aprendizaje
Proceso por el cual una red
neuronal modifica sus pesos en
respuesta a una información de
entrada.

6. Redes con Aprendizaje Supervisado
Se realiza mediante un entrenamiento controlado por un agente externo
Se consideran tres formas de llevar a cabo este tipo
Aprendizaje por corrección
de error
Aprendizaje estocástico
Aprendizaje por refuerzo

7. Redes con Aprendizaje No Supervisado
Estas redes no requieren influencia externa
En general en este tipo de aprendizaje se suelen considerar dos tipos:
Aprendizaje Hebbiano
Aprendizaje Hebbiano

8. Implementación de las Redes Neuronales
A través de un sistema llamado neurocomputador
la Red Neuronal Artificial puede llevarse a cabo por medio de uno o varios
circuitos integrados específicos
obteniendo así una estructura que se comporte lo más similar posible
a la red neuronal.

9. Ventajas
Aprendizaje
Tolerancia a fallos
Auto organización
Flexibilidad
Tiempo real

10. GRACIAS POR SU ATENCIÓN