2. ¿QUE SON LAS REDES NEURONALES?
Las redes neuronales artificiales (también
conocidas como sistemas conexionistas) son un
modelo computacional vagamente inspirado en
el comportamiento observado en su homólogo
biológico1. Consiste en un conjunto de
unidades, llamadas neuronas artificiales,
conectadas entre sí para transmitirse señales. La
información de entrada atraviesa la red
neuronal (donde se somete a diversas
operaciones) produciendo unos valores de
salida. Cada neurona está conectada con otras a
través de unos enlaces. En estos enlaces el valor
de salida de la neurona anterior es multiplicado
3. Las redes neuronales se han utilizado para resolver una amplia variedad de tareas, como
la visión por computador y el reconocimiento de voz, que son difíciles de resolver usando la
ordinaria programación basado en reglas. Históricamente, el uso de modelos de redes
neuronales marcó un cambio de dirección a finales de los años ochenta de alto nivel, que se
caracteriza por sistemas expertos con conocimiento incorporado en si-entonces las reglas, a
bajo nivel de aprendizaje automático, caracterizado por el conocimiento incorporado en los
parámetros de un modelo cognitivo con algún sistema dinámico. Historia Warren
4. Warren McCulloch y Walter Pitts
(1943) crearon un modelo informático
para redes neuronales, que se llama lógica
umbral, que se base en las matemáticas y
los algoritmos. Un enfoque se centró en
los procesos biológicos en el cerebro y el
otro se centró en la aplicación de redes
neuronales para la inteligencia artificial.
HISTORIA
Warren McCulloch Waterl Pitts
5. A finales de la década de 1940 el psicólogo
Donald Hebb creó una hipótesis de aprendizaje
basado en el mecanismo de plasticidad neuronal
que ahora se conoce como aprendizaje de Hebb.
Los modelos computacionales en 1948 con
la sugerencia de Turing, que el córtex humano
infantil es lo que llamaba "máquina
desorganizada" (también conocido como
"máqina Turing Tipo B")
HISTORIA
Donal Hebb Alan turing
6. Wesley A. Clark (1954) al principio
utilizaron máquinas computacionales, que
entonces se llamaban "calculadoras", para
simular una red de Hebb en el MIT. Otras
simulaciones de redes neuronales por
computadora han sido creadas por Rochester,
Holanda, Hábito y Duda (1956).
HISTORIA
Wesley A. Clark
7. Finalmente también se pueden clasificar las RNAs según sean capaces de procesar
información de distinto tipo en:
Redes analógicas: procesan datos de entrada con valores continuos y, habitualmente,
acotados. Ejemplos de este tipo de redes son: Hopfield, Kohonen y las redes de aprendizaje
competitivo.
Redes discretas: procesan datos de entrada de naturaleza discreta; habitualmente valores
lógicos booleanos. Ejemplos de este segundo tipo de redes son: las máquinas de Boltzmann y
Cauchy, y la red discreta de Hopfield.
TIPOS DE ENTRADA
Datos analógicos (ondas
sonoras de voz)
Datos digitales (pulso de
tensión binarios)
Señal analógica
Señal analógica
(modulada sobre una
frecuencia portadora)
8. Este interesante e innovador fenómeno en el que trabajan
se basa en la aplicación de Redes Neuronales Artificiales, (RNA),
una manera de contribuir al progreso que sin duda, será de
gran ayuda para el productor. Es la mejor aliada en todas las
áreas de injerencia humana, siempre y cuando se le de el uso
correcto. La tecnología hace la gran diferencia y nos lleva al
progreso. Afortunadamente, el sector agrícola venezolano
también se beneficia de ella gracias al ingenio de nuestros
científicos empeñados en darle a los campos venezolanos el
máximo provecho. Al referirnos a su aplicación en el Cacao,
indican que con estas técnicas es posible construir modelos de
conocimiento a partir de datos de diferentes tipos y en
diferentes contextos.
TIPOS APLICACIÓN DE LAS REDES
NEURONALES EN VENEZUELA
Cacao
9. Por ejemplo, en percepción remota se pueden utilizar las
imágenes de satélite como datos para una red neuronal, la
cual puede generar un modelo que permita, de manera
automática realizar una evaluación de la cobertura vegetal, el
estado de salud de plantaciones, requerimientos de agua para
la plantas, entre muchas otras aplicaciones.
Esto permite que al contar con información de primera
mano como lo es el estado de salud de la planta expresado
con un indicador llamado Índice de Vegetación Normalizado
(NDVI), el cacaocultor pueda planificar con precisión las
labores de fertilización, control de plagas y enfermedades
TIPOS APLICACIÓN DE LAS REDES
NEURONALES EN VENEZUELA