SlideShare una empresa de Scribd logo
1 de 10
República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación Universitaria Ciencia y Tecnología
Instituto Universitario Politécnico Santiago Mariño
Extensión Porlamar
Redes Neuronales en
Venezuela
Autor: Jesús Alejandro Marcano Anés
CI:28074999
Docente de la asignatura: Ing. José Guzmán
Porlamar, junio, 2021
Definición
Las redes neuronales artificiales (RNA) son un modelo de programas
informáticos inspirado en el comportamiento del cerebro humano. Está
formado por un conjunto de nodos llamados neuronas artificiales, las cuales
se envían señales entre sí, esas señales comienzan como una entrada de datos
y luego de atravesar toda la red de neuronas se transforman en la salida del
programa. Las RNA tienen la capacidad de modificar su funcionamiento en
base a los datos que recibe.
¿Qué son las Redes
Neuronales?
Historia
Perceptron (1958)
Multilayer Perceptron (1965)
Entre las décadas de 1950 y 1960 el científico Frank Rosenblatt
creó el Perceptron. Éste toma varias entradas binarias x1, x2,
etc y produce una sóla salida binaria. Para calcular la salida,
Rosenblatt introduce el concepto de “pesos” w1, w2, etc.
El multilayer perceptron es una “Mejora” del percepción de una única neurona a más de una.
Además aparece el concepto de capas de entrada, oculta y salida. Pero con valores de entrada
y salida binarios.
Historia Neuronas
Sigmoides (1980)
Backpropagation (1986)
Son similares al perceptron, pero permiten que las entradas, en vez de ser
ceros o unos, puedan tener valores reales como 0,5 ó 0,377 . También
aparecen las neuronas “bias” que siempre suman 1 en las diversas capas
para resolver ciertas situaciones. Surge la primera función de activación.
Gracias al algoritmo de backpropagation se hizo posible entrenar redes neuronales de
multiples capas de manera supervisada. Luego de calcular el error de salida se hacían
correcciones al nodo de salida de dónde surgió y a todos los nodos anteriores.
Partes
La neurona o nodo no es más que una función qué recibe el valor de una o
varias neuronas anteriores, esos valores se conocen como entradas, ahora
cada uno de los nodos que producen esta entrada tienen distinto valor o
relevancia para el nodo al que entran, este valor se conoce como peso de las
entradas, la neurona realiza una sumatoria de todos los datos o entradas
multiplicados por su peso, a esto último se le suma el Bias o Sesgo en español,
valor que es propio de cada neurona, ésto se evaluará en una función de
activación que enviará una salida a siguiente capa.
Neuronas
Partes
Es un conjunto de neuronas cuyas entradas provienen de una capa anterior (o
de los datos de entrada en el caso de la primera capa) y cuyas salidas son la
entrada de una capa posterior. La primera capa se conoce como capa de
entrada es ella la que recibe los datos que se introducen en la red, la última
capa se conoce como capa de salida es la que contiene los datos procesados
por la red mostrando una respuesta, todas las capas que se encuentren entre
la capa de entrada y la de salida se conocen como capas ocultas estas son las
principales encargadas del procesamiento de datos.
Capas
Entrenamiento
Entrenar una red neuronal consiste en ajustar los pesos de las entradas de
cada una de las neuronas para qué los resultados de la red se asemejen más
a los esperados por los usuarios, existen varias formas de realizar el
entrenamiento como el DeepLearning, la red se podría entrenar manualmente,
pero lo ideal sería integrar un sistema que permite a la red neuronal
adaptarse automáticamente, este entrenamiento dará mejores resultados
mientras mayor sea el número y calidad de los ejemplos o datos que se
introduzcan en el sistema.
Desastres Naturales (el problema)
Inundaciones en Venezuela de 2018: Las inundaciones en Venezuela
empezaron en agosto de 2018 debido a la crecida histórica tanto del río
Orinoco como del río Caroní, afectando a los estados Bolívar, Amazonas y
Apure. Más de 10 000 personas han resultado afectadas y hubo varios
fallecidos.
La tragedia de Vargas: denominada también como el desastre de Vargas, es como se le
conoce al conjunto de deslaves, corrimientos de tierra e inundaciones ocurridas en las costas
caribeñas de Venezuela, ocurridos en el estado Vargas del 15 de diciembre de 1999 y
especialmente trágica para dicho estado, desde donde recibe la denominación, pero que
afecta a otras regiones del país.Gracias
Solución mediante Redes Neuronales
Los 2 ejemplos anteriores son algunos de los muchos por los que aatravesó el
país caribeño en las últimas décadas.
Para poder resolver esta problemática podría desarrollarse una red neuronal
artificial que recabe datos atmosféricos y climáticos en las distintas regiones
del país, para así realizar predicciones climáticas, esto no sólo disminuiría las
pérdidas por desastres naturales al predecir su aparición, sino que también
contribuiría con el desarrollo agrícola de cada región en donde se utilice.
Gracias por Leer

Más contenido relacionado

Similar a Redes Neuronales Artificiales (Aplicación en Venezuela)

Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2
UNEFA
 
Proyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronalesProyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronales
Fryzi
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
Liz3113
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
Liz3113
 

Similar a Redes Neuronales Artificiales (Aplicación en Venezuela) (20)

Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2Inteligencia Artificial Clase 2
Inteligencia Artificial Clase 2
 
Proyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronalesProyecto CBTC Redes neuronales
Proyecto CBTC Redes neuronales
 
Sistemas neuronales
Sistemas neuronalesSistemas neuronales
Sistemas neuronales
 
Redes neuronales
Redes neuronales Redes neuronales
Redes neuronales
 
Ia primera parte
Ia primera parteIa primera parte
Ia primera parte
 
Red Neuronal Artificial
Red Neuronal ArtificialRed Neuronal Artificial
Red Neuronal Artificial
 
Redes neuronales Luis Lozano CI 22.840.519
Redes neuronales   Luis Lozano CI 22.840.519Redes neuronales   Luis Lozano CI 22.840.519
Redes neuronales Luis Lozano CI 22.840.519
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales artificiales oriannys rodriguez
Redes neuronales artificiales oriannys rodriguezRedes neuronales artificiales oriannys rodriguez
Redes neuronales artificiales oriannys rodriguez
 
Introduccion redes neuronales artificiales
Introduccion redes neuronales artificialesIntroduccion redes neuronales artificiales
Introduccion redes neuronales artificiales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes neuronales
Redes neuronalesRedes neuronales
Redes neuronales
 
Redes Neuronales
Redes NeuronalesRedes Neuronales
Redes Neuronales
 

Último

TECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdf
TECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdfTECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdf
TECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdf
UPSE
 
TECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptx
TECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptxTECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptx
TECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptx
UPSE
 

Último (9)

TECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdf
TECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdfTECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdf
TECNOLOGÍA DE LA INFORMACIÓN SLIDESHARE INVESTIGACION.pdf
 
Ciberseguridad y Seguridad Informática Franco Correa Grupo B.pptx
Ciberseguridad y Seguridad Informática Franco Correa Grupo B.pptxCiberseguridad y Seguridad Informática Franco Correa Grupo B.pptx
Ciberseguridad y Seguridad Informática Franco Correa Grupo B.pptx
 
Especificación casos de uso del negocio
Especificación  casos de uso del negocioEspecificación  casos de uso del negocio
Especificación casos de uso del negocio
 
El necesario mal del Legacy Code (Drupal Iberia 2024)
El necesario mal del Legacy Code (Drupal Iberia 2024)El necesario mal del Legacy Code (Drupal Iberia 2024)
El necesario mal del Legacy Code (Drupal Iberia 2024)
 
Modelado de Casos de uso del negocio
Modelado de  Casos  de  uso  del negocioModelado de  Casos  de  uso  del negocio
Modelado de Casos de uso del negocio
 
serenidad APP presentacion.pdfes una innovadora aplicación móvil diseñada par...
serenidad APP presentacion.pdfes una innovadora aplicación móvil diseñada par...serenidad APP presentacion.pdfes una innovadora aplicación móvil diseñada par...
serenidad APP presentacion.pdfes una innovadora aplicación móvil diseñada par...
 
TECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptx
TECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptxTECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptx
TECNOLOGIA DE LA INFORMACION Y MULTIMEDIA 15 MAYO.pptx
 
CIBERSEGURIDAD Y SEGURIDAD INFORMÁTICA.pptx
CIBERSEGURIDAD  Y SEGURIDAD INFORMÁTICA.pptxCIBERSEGURIDAD  Y SEGURIDAD INFORMÁTICA.pptx
CIBERSEGURIDAD Y SEGURIDAD INFORMÁTICA.pptx
 
Tipos de datos en Microsoft Access definiciones.pdf
Tipos de datos en Microsoft Access definiciones.pdfTipos de datos en Microsoft Access definiciones.pdf
Tipos de datos en Microsoft Access definiciones.pdf
 

Redes Neuronales Artificiales (Aplicación en Venezuela)

  • 1. República Bolivariana de Venezuela Ministerio del Poder Popular para la Educación Universitaria Ciencia y Tecnología Instituto Universitario Politécnico Santiago Mariño Extensión Porlamar Redes Neuronales en Venezuela Autor: Jesús Alejandro Marcano Anés CI:28074999 Docente de la asignatura: Ing. José Guzmán Porlamar, junio, 2021
  • 2. Definición Las redes neuronales artificiales (RNA) son un modelo de programas informáticos inspirado en el comportamiento del cerebro humano. Está formado por un conjunto de nodos llamados neuronas artificiales, las cuales se envían señales entre sí, esas señales comienzan como una entrada de datos y luego de atravesar toda la red de neuronas se transforman en la salida del programa. Las RNA tienen la capacidad de modificar su funcionamiento en base a los datos que recibe. ¿Qué son las Redes Neuronales?
  • 3. Historia Perceptron (1958) Multilayer Perceptron (1965) Entre las décadas de 1950 y 1960 el científico Frank Rosenblatt creó el Perceptron. Éste toma varias entradas binarias x1, x2, etc y produce una sóla salida binaria. Para calcular la salida, Rosenblatt introduce el concepto de “pesos” w1, w2, etc. El multilayer perceptron es una “Mejora” del percepción de una única neurona a más de una. Además aparece el concepto de capas de entrada, oculta y salida. Pero con valores de entrada y salida binarios.
  • 4. Historia Neuronas Sigmoides (1980) Backpropagation (1986) Son similares al perceptron, pero permiten que las entradas, en vez de ser ceros o unos, puedan tener valores reales como 0,5 ó 0,377 . También aparecen las neuronas “bias” que siempre suman 1 en las diversas capas para resolver ciertas situaciones. Surge la primera función de activación. Gracias al algoritmo de backpropagation se hizo posible entrenar redes neuronales de multiples capas de manera supervisada. Luego de calcular el error de salida se hacían correcciones al nodo de salida de dónde surgió y a todos los nodos anteriores.
  • 5. Partes La neurona o nodo no es más que una función qué recibe el valor de una o varias neuronas anteriores, esos valores se conocen como entradas, ahora cada uno de los nodos que producen esta entrada tienen distinto valor o relevancia para el nodo al que entran, este valor se conoce como peso de las entradas, la neurona realiza una sumatoria de todos los datos o entradas multiplicados por su peso, a esto último se le suma el Bias o Sesgo en español, valor que es propio de cada neurona, ésto se evaluará en una función de activación que enviará una salida a siguiente capa. Neuronas
  • 6. Partes Es un conjunto de neuronas cuyas entradas provienen de una capa anterior (o de los datos de entrada en el caso de la primera capa) y cuyas salidas son la entrada de una capa posterior. La primera capa se conoce como capa de entrada es ella la que recibe los datos que se introducen en la red, la última capa se conoce como capa de salida es la que contiene los datos procesados por la red mostrando una respuesta, todas las capas que se encuentren entre la capa de entrada y la de salida se conocen como capas ocultas estas son las principales encargadas del procesamiento de datos. Capas
  • 7. Entrenamiento Entrenar una red neuronal consiste en ajustar los pesos de las entradas de cada una de las neuronas para qué los resultados de la red se asemejen más a los esperados por los usuarios, existen varias formas de realizar el entrenamiento como el DeepLearning, la red se podría entrenar manualmente, pero lo ideal sería integrar un sistema que permite a la red neuronal adaptarse automáticamente, este entrenamiento dará mejores resultados mientras mayor sea el número y calidad de los ejemplos o datos que se introduzcan en el sistema.
  • 8. Desastres Naturales (el problema) Inundaciones en Venezuela de 2018: Las inundaciones en Venezuela empezaron en agosto de 2018 debido a la crecida histórica tanto del río Orinoco como del río Caroní, afectando a los estados Bolívar, Amazonas y Apure. Más de 10 000 personas han resultado afectadas y hubo varios fallecidos. La tragedia de Vargas: denominada también como el desastre de Vargas, es como se le conoce al conjunto de deslaves, corrimientos de tierra e inundaciones ocurridas en las costas caribeñas de Venezuela, ocurridos en el estado Vargas del 15 de diciembre de 1999 y especialmente trágica para dicho estado, desde donde recibe la denominación, pero que afecta a otras regiones del país.Gracias
  • 9. Solución mediante Redes Neuronales Los 2 ejemplos anteriores son algunos de los muchos por los que aatravesó el país caribeño en las últimas décadas. Para poder resolver esta problemática podría desarrollarse una red neuronal artificial que recabe datos atmosféricos y climáticos en las distintas regiones del país, para así realizar predicciones climáticas, esto no sólo disminuiría las pérdidas por desastres naturales al predecir su aparición, sino que también contribuiría con el desarrollo agrícola de cada región en donde se utilice.