LABERINTOS DE DISCIPLINAS DEL PENTATLÓN OLÍMPICO MODERNO. Por JAVIER SOLIS NO...
Redes neuronales en Venezuela
1. Redes Neuronales en Venezuela
realizado por :
Edisleynis silva
CI:27.184.643
Ingeniería de
sistemas
República Bolivariana de Venezuela
Ministerio del Poder Popular para la Educación
Instituto Universitario Politécnico
«Santiago Mariño»
Ext. Cabimas
2. Introducción
• En el presente trabajo observaremos el proceso de enseñanza y aprendizaje para beneficio
de los estudiantes venezolanos, se tiene como objetivo aplicar las redes neuronales en la
educación venezolana, este enfoca en establecer un proceso automático en la evaluación y
formación del pensamiento critico del estudiante , las redes neuronales son aplicables a
cualquier asignatura de cualquier área de educación, puesto que los resultados son inferidos
enteramente por el proceso de entrenamiento y la naturaleza de los datos son variables de
acuerdo a la necesidad que se tenga, en el ámbito educacional, esto se sustenta en los
resultados que son indiscutiblemente favorecedores para el proceso de enseñanza y
aprendizaje
3. Redes neuronales
• Las redes neuronales artificiales son un modelo computacional vagamente inspirado en el
comportamiento observado en su homólogo biológico
• Las redes neuronales son sistemas computacionales, inspirados en las neuronas que
constituyen el cerebro de los animales, dotando a los ordenadores de inteligencia artificial.
Están formadas por unidades básicas llamadas neuronas que se conectan entre sí formando la
red neuronal. Una de las características más importantes de las redes neuronales es su poder
de “aprendizaje”. Dependiendo del tipo de aprendizaje estos algoritmos se clasifican en tres
grandes grupos: supervisado, no-supervisado y reforzado. El aprendizaje no supervisado se
basa en no etiquetar ningún dato de entrada y dejar que el algoritmo encuentre variantes de
patrones y correlaciones. En el aprendizaje supervisado, se “etiquetan” los datos de entrada
para ayudar a los algoritmos a valorar correctamente los datos y asignar un valor de salida. El
aprendizaje reforzado se basa en el ensayo y error.
• REDES NEURONALES EN LA EDUCACIÓN VENEZOLANA :
• En Venezuela las redes neuronales pueden ser aplicadas en la rama de la educación debido
al gran beneficio no solo a la hora de apoyar al alumno a desarrollar sus habilidades en las
diferentes áreas de estudio sino también a comprender la importancia de los desarrollos
tecnológicos y sus futuros avances como también entender su funcionamiento dando como
resultado la fuerte unión de las redes neuronales y la educación en las diversas áreas de
estudio
4. CARACTERÍSTICAS DE LAS REDES NEURONALES
• Análisis de actividades que puedan ser resueltas analíticamente por el alumno
• Aprendizaje pedagógico aplicado en áreas donde sean estudiantes con dificultades de
aprendizaje
• Manejo todo tipo de conocimientos que ayudan a resolver dudas a alumnos con respuestas
concisas
• Enseñanza a través de patrones que la red neuronal analiza de todos los alumnos para captar
su atención y poder impartir su conocimiento
VENTAJAS DE LAS REDES NEURONALES EN
LA EDUCACIÓN VENEZOLANA
Es de fácil implementación en diferentes áreas de
estudio sea primaria, secundaria o universitaria
Avance en los métodos de enseñanza actuales.
Ayuda a cumplir los plazos de actividades en con
mayor eficiencia. El interés de los alumnos a
conocer como funciona una red neuronal y la
inteligencia artificial Beneficio a la hora de apoyo
de alumnos con problemas de aprendizaje
DESVENTAJAS DE LAS REDES
NEURONALES EN LA EDUCACIÓN
VENEZOLANA
Difícil adaptación de los alumnos a una nueva
forma de estudio Gran coste económico para
implementarlos en todo el país Temor de
profesores al creer ser remplazados por redes
neuronales Problemas debido a la
infraestructura de los distinto colegios, liceos y
universidades Inquietud por parte de los padres
debido a la nueva forma de enseñanza
5. Educación presencial
• En la educación presencial pueden ser aplicadas las
redes neuronales donde apoya a los alumnos dando
como resultado una implementación directa con los
alumnos viendo como esta analiza sus
comportamientos y dando respuestas a dudas.
Sirviendo como apoyo para el docente y
compartiendo en un entorno donde la red neuronal
esta dispuesta a dar su conocimiento en base al tipo
de velocidad y detenimiento que el profesor lo hace
tratando de hacerse uno Ramas de la educación
donde se pueden implementar las redes neuronales
• 1. Computación
• 2. Ciencias
• 3. Matemáticas
• 5. Ortografía
• 6. Idiomas
• 7 Entre otros
EDUCACIÓN A
DISTANCIA
Las redes neuronales en la
educación a distancia esta da un
gran beneficio debido a que esta
puede estar conectada a la red y
cuando el alumno necesite
consultar una duda solo se
comunicaría al área de apoyo y
tendría una respuesta casi que
inmediata evitando el tipo de
espera de profesores o teniendo
una estructuración del tiempo de
revisión, colocación de actividades
y entrega de notas lo cual haría
que el sistema de estudio a
distancia fuera mas eficiente y
muchas personar optaran por esta
modalidad debido a que el nivel de
enseñanza que puede impartir la
red neuronal seria de alto nivel.
6. ¿Cómo funcionan las redes neuronales ?
• Un cerebro típico contiene, más o menos, 100 mil millones de pequeñas células llamadas
neuronas, aunque hay quien habla de 500 mil millones y otros de 50 mil millones nada más.
• Cada neurona tiene un cuerpo con un número de conexiones que se llaman dendritas, que
envían información al cuerpo de la célula.
• Las neuronas son tan pequeñas que pueden empacarse 100 en un solo milímetro. Cabe decir
que las neuronas, sin embargo, solamente son el 10% de las células en el cerebro, el resto son
células gliales, que apoyan a las neuronas, las protegen y las alimentan.
¿Cómo aprende cosas una red neuronal artificial?
La información fluye a través de una red neuronal de dos
maneras: cuando aprende (cuando es entrenada) o bien,
cuando se opera ésta normalmente (después de haber
sido entrenada).
Los patrones de información alimentan a la red a través
de las entradas, las cuales disparan valores en las capas
de las unidades escondidas y estas llegan
eventualmente a las unidades de salida. Esto se
denomina una red de alimentación hacia adelante.
7. Tipos de neuronas artificiales
• Red neuronal Monocapa – Perceptrón simple
• Esta corresponde con la red neuronal más simple, está compuesta por una capa de neuronas
que proyectan las entradas a una capa de neuronas de salida donde se realizan los diferentes
cálculos.
Red neuronal Multicapa – Perceptrón multicapa
La red neuronal multicapa es una generalización de la
red neuronal monocapa, la diferencia reside en que
mientras la red neuronal monocapa está compuesta
por una capa de neuronas de entrada y una capa de
neuronas de salida, esta dispone de un conjunto de
capas intermedias (capas ocultas) entre la capa de
entrada y la de salida.
Dependiendo del número de conexiones que presente
la red esta puede estar total o parcialmente
conectada.
8. • Red neuronal Convolucional (CNN)
• La principal diferencia de la red neuronal convolucional con el perceptrón multicapa viene en que
cada neurona no se une con todas y cada una de las capas siguientes sino que solo con un subgrupo
de ellas (se especializa), con esto se consigue reducir el número de neuronas necesarias y la
complejidad computacional necesaria para su ejecución.
• Red neuronal recurrente(RNN)
• Las redes neuronales recurrentes no tienen una estructura de capas, sino que permiten conexiones
arbitrarias entre las neuronas, incluso pudiendo crear ciclos, con esto se consigue crear la
temporalidad, permitiendo que la red tenga memoria.
• Los datos introducidos en el momento t en la entrada, son transformados y van circulando por la
red incluso en los instantes de tiempo siguientes t + 1, t + 2,…
• Redes de base radial (RBF)
• Las redes de base radial calculan la salida de la función en función de la distancia a un punto
denominado centro. La salida es una combinación lineal de las funciones de activación radiales
utilizadas por las neuronas individuales.
• Las redes de base radial tienen la ventaja de que no presentan mínimos locales donde la
retropropagación pueda quedarse bloqueada.
9. Conclusión
• Para la finalizar podemos decir que las redes neuronales son algoritmos que pueden ayudar
de manera precisa en el área de educación, no se debe olvidar que este tipo de algoritmos
necesita una gran cantidad de datos de entrenamiento y un esfuerzo computacional
considerable a la hora de entrenarlas.
• Se resalta la importancia del uso de nuevas tecnologías emergentes de la información y
comunicación enfocadas en un ambiente educativo, como lo es la bien llamada Inteligencia
Artificial que su verdadero potencial ya por los tiempos actuales sigue creciendo
exponencialmente en las potencialidades que brinda a nuestra sociedad en todas las
necesidades que por su naturaleza ésta tiene, pero que de manera progresiva muchas
instituciones académicas vienen desarrollando proyectos de investigación que profundizan su
utilización desde el ámbito científico en todo el sentido de la palabra.