Este documento presenta una introducción a las redes neuronales. Explica que las redes neuronales se inspiran en el funcionamiento del cerebro humano y consisten en nodos conectados que transmiten señales. Su objetivo principal es aprender de forma automática para realizar tareas complejas. También describe cómo funcionan a través de capas de neuronas con pesos y cómo se usan para aplicaciones como el reconocimiento de patrones, la clasificación y la predicción. Finalmente, menciona cómo se han aplicado redes neuronales en Venezuela para evaluar plantaciones de cacao a través

1. REDES NEURONALES PRESENTACIÓN REALIZADA POR:
AMBAR RUZ
C.I: 27.315.670.
INGENIERÍA DE SISTEMAS
Instituto Universitario Politécnico “Santiago Mariño”
Materia: Inteligencia Artificial
Profesor: José Luis Guzmán

2. ¿QUÉ SON LAS REDES NEURONALES?
Las redes neuronales son un modelo inspirado en el
funcionamiento del cerebro humano. Esta formado por un
conjunto de nodos conocidos como neuronas artificiales que
están conectadas y transmiten señales entre sí. Estas señales se
transmiten desde la entrada hasta generar una salida.
Estos sistemas aprenden y se forman a sí mismos, en lugar de ser
programados de forma explícita, y sobresalen en áreas donde la
detección de soluciones o características es difícil de expresar
con la programación convencional. Para realizar este aprendizaje
automático, se intenta minimizar una función de pérdida que
evalúa la red en su total. Los valores de los pesos de las neuronas
se van actualizando buscando reducir el valor de la función de
pérdida.

3. OBJETIVOS PRINCIPALES DE LAS REDES NEURONALES
Uno de sus objetivos es aprender
modificándose automáticamente a si mismo de
forma que puede llegar a realizar tareas
complejas que no podrían ser realizadas
mediante la clásica programación basada en
reglas. De esta forma se pueden automatizar
funciones que en un principio solo podrían ser
realizadas por personas.
Otro objetivo de la red neuronal es resolver
los problemas de la misma manera que el
cerebro humano, aunque las redes neuronales
son más abstractas. Las redes neuronales
actuales suelen contener desde unos miles a
unos pocos millones de unidades neuronales.

4. FUNCIONAMIENTO DE LAS REDES NEURONALES
Como se ha mencionado el funcionamiento de las
redes se asemeja al del cerebro humano. Las redes
reciben una serie de valores de entrada y cada una de
estas entradas llega a un nodo llamado neurona. Las
neuronas de la red están a su vez agrupadas en capas
que forman la red neuronal.
Cada una de las neuronas de la red posee a su vez un
peso, un valor numérico, con el que modifica la
entrada recibida. Los nuevos valores obtenidos salen
de las neuronas y continúan su camino por la red. Este
funcionamiento puede observarse de forma
esquemática en la siguiente imagen.

5. VENTAJAS DE LAS RNA
• Aprendizaje: Tienen la habilidad de aprender mediante una etapa de
aprendizaje. Esta consiste en proporcionar a la RNA datos como
entrada a su vez que se le indica cuál es la salida esperada.
• Auto organización: Crea su propia representación de la información
en su interior.
• Tolerancia a fallos: Debido a que una RNA almacena la información
de forma redundante, ésta puede seguir respondiendo de manera
aceptable aun si se daña parcialmente.
• Flexibilidad: Puede manejar cambios no importantes en la
información de entrada, como señales con ruido u otros cambios en
la entrada.
• Tiempo real: La estructura de una RNA es paralela, por lo cual si
esto es implementado con computadoras o en dispositivos
electrónicos especiales, se pueden obtener respuestas en tiempo
real.

6. APLICACIONES DE LAS REDES NEURONALES
Las redes neuronales pueden utilizarse en un gran
número y variedad de aplicaciones, tanto comerciales
como militares. Se pueden desarrollar redes
neuronales en un periodo de tiempo razonable, con la
capacidad de realizar tareas concretas mejor que
otras tecnologías.
Cuando se implementan mediante hardware (redes
neuronales en chips VLSI), presentan una alta
tolerancia a fallos del sistema y proporcionan un alto
grado de paralelismo en el procesamiento de datos.
Esto posibilita la inserción de redes neuronales de
bajo coste en sistemas existentes y recientemente
desarrollados.

7. REDES NEURONALES ENVENEZUELA (APLICADAS AL CACAO,
TECNOLOGÍA AL SERVICIO DEL CULTIVO)
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.
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 deVegetación Normalizado (NDVI), el
cacaocultor pueda planificar con precisión las
labores de fertilización, control de plagas y
enfermedades.

8. GRACIAS
AMBAR RUZ
C.I: 27.315.670
INGENIERÍA DE SISTEMAS
AMBARRUZ88@GMAIL.COM