Las redes neuronales artificiales son sistemas inspirados en el cerebro compuestos por unidades interconectadas llamadas neuronas artificiales agrupadas en capas. Estas redes aprenden a través del entrenamiento para mapear entradas a salidas de forma que puedan generalizar y responder de manera robusta como el cerebro. El objetivo es lograr que las máquinas den respuestas similares a las que da el cerebro.

2. ¿¿Que son?? Es un sistema compuesto por un gran número de elementos básicos (Artificial Neurons), agrupados en capas (Layers) y que se encuentran altamente interconectados (Synapses); Esta estructura posee varias entradas y salidas, las cuales serán entrenadas para reaccionar (valores O), de una manera deseada, a los estímulos de entrada (valores I).

3. Estos sistemas emulan , de una cierta manera, al cerebro humano. Requieren aprender a comportarse (Learning) y alguien debe encargarse de enseñarles o entrenarles (Training), en base a un conocimiento previo del entorno del problema.

4. Redes neuronales artificiales Las redes de neuronas artificiales (denominadas habitualmente como RNA o en inglés como: "ANN" [1] ) son un paradigma de aprendizaje y procesamiento automático inspirado en la forma en que funciona el sistema nervioso de los animales. Se trata de un sistema de interconexión de neuronas en una red que colabora para producir un estímulo de salida. En inteligencia artificial es frecuente referirse a ellas como redes de neuronas o redes neuronales .

5. Unas redes neuronales consisten en simular las propiedades observadas en los sistemas neuronales biológicos a través de modelos matemáticos recreados mediante mecanismos artificiales (como un circuito integrado, un ordenador o un conjunto de válvulas )

6. Objetivo El objetivo es conseguir que las máquinas den respuestas similares a las que es capaz de dar el cerebro que se caracterizan por su generalización y su robustez .

7. Funciones…..!!! 1.-Una función de propagación (también conocida como función de excitación ), que por lo general consiste en el sumatorio de cada entrada multiplicada por el peso de su interconexión (valor neto). Si el peso es positivo, la conexión se denomina excitatoria ; si es negativo, se denomina inhibitoria

8. Una función de activación, que modifica a la anterior. Puede no existir, siendo en este caso la salida la misma función de propagación. Una función de transferencia, que se aplica al valor devuelto por la función de activación. Se utiliza para acotar la salida de la neurona y generalmente viene dada por la interpretación que queramos darle a dichas salidas