Beruflich Dokumente
Kultur Dokumente
ASIGNATURA
:
INTELIGENCIA ARTIFICIAL
DOCENTE
:
ING. GAVINO MARCELO LOYAGA ORBEGOSO
ALUMNO
:
SILVA LOPEZ DENYS
TEMA
:
ENSAYO REDES NEURONALES ARTIFICIALES
CICLO
:
2013 - I
INTELIGENCIA ARTIFICIAL
INTRODUCCION
Las redes neuronales son una tcnica eficaz para resolver muchos problemas del mundo
real. Ellos tienen la capacidad de aprender de la experiencia con el fin de mejorar su
rendimiento y adaptarse a los cambios en el medio ambiente. Adems de que son
capaces de tratar con informacin incompleta o datos de ruido y puede ser muy eficaz,
especialmente en situaciones donde no es posible definir las reglas o pasos que
conducen a la solucin de un problema.
A partir de los datos de medicin de una fuente conocida o desconocida, una red neuronal
puede ser entrenada para realizar la clasificacin, la estimacin, la simulacin y prediccin
de los procesos subyacentes que generan datos. Por lo tanto, las redes neuronales, son
herramientas de software diseadas para estimar las relaciones en los datos. Una
relacin estimada es esencialmente un mapa o una funcin, sobre los datos en bruto a
sus caractersticas.
El rea general de las redes neuronales artificiales tiene sus races en nuestra
comprensin del cerebro humano. En este sentido, los conceptos iniciales se basaron en
los intentos de imitar la manera del cerebro de procesar la informacin. Los esfuerzos que
siguieron dieron lugar a diversos modelos de estructuras de red neuronal biolgica y el
aprendizaje de algoritmos.
Pgina 2
INTELIGENCIA ARTIFICIAL
Pgina 3
INTELIGENCIA ARTIFICIAL
dispara,
esto
es,
Pgina 4
INTELIGENCIA ARTIFICIAL
como la red ajustar sus pesos utilizando una funcin de error o algn otro criterio. La
ley de aprendizaje adecuada se determina con base a la naturaleza del problema que
se intenta resolver.
Dos fases de operacin:
Las RNA adaptables tienen dos fases en su operacin:
No son algortmicas
La gran diferencia del empleo de las redes neuronales
en relacin con otras aplicaciones de la computacin
radica en que no son algortmicas, esto es no se
programan
hacindoles
seguir
una
secuencia
Pgina 5
INTELIGENCIA ARTIFICIAL
con gran xito para reconocer retornos de sonar bajo el agua, escritura a mano, voz,
topografa de terrenos, controlar brazos de robots, evaluar datos personales, modelar
fenmenos cognoscitivos, y, predecir tendencias financieras.
Requieren de algn tipo de patrn
La clase de problemas que mejor se resuelven con las redes neuronales son los
mismos que el ser humano resuelve mejor: Asociacin, evaluacin, y reconocimiento
de patrones. Las redes neuronales son perfectas para problemas que son muy difciles
de calcular pero que no requieren de respuestas perfectas, slo respuestas rpidas y
buenas. Por otra parte, las redes neuronales son muy malas para clculos precisos,
procesamiento serie, y no son capaces de reconocer nada que no tenga
inherentemente algn tipo de patrn. Es por esto, que no pueden predecir la lotera, ya
por definicin es un proceso al azar.
3. Ventajas de las Redes Neuronales Artificiales
a) Aprendizaje adoptivo: Capacidad de aprender ciertas tareas mediante un
entrenamiento y poder diferenciar patrones as como tambin la capacidad de
estar cambiando constantemente para adaptarse a nuevas condiciones.
b) Son sistemas distribuidos no lineales: Una neurona es un elemento no lineal por
lo que una interconexin de ellas (red neuronal) tambin ser un dispositivo no
lineal. Esta propiedad permitir la simulacin de sistemas no lineales y caticos,
simulacin que, con los sistemas clsicos lineales, no se puede realizar.
c) Son sistemas tolerantes a fallos: Una red neuronal, al ser un sistema distribuido,
permite el fallo de algunos elementos individuales (neuronas) sin alterar
significativamente la respuesta total del sistema. Este hecho las hace especialmente
atractivas frente a los computadoras actuales que, por lo general, son sistemas
secuenciales de tal forma que un fallo en uno de sus componentes conlleva que el
sistema total no funcione.
d) Adaptabilidad: Una red neuronal tiene la capacidad de modificar los parmetros de
los que depende su funcionamiento de acuerdo con los cambios que se produzcan
en su entorno de trabajo (cambios en las entradas, presencia de ruido, etc...). Con
Pgina 6
INTELIGENCIA ARTIFICIAL
respecto a la capacidad de adaptacin hay que tener en cuenta que sta no puede
ser tampoco excesivamente grande ya que conducira a tener un sistema inestable
respondiendo a pequeas perturbaciones. Este es el problema conocido como el
dilema plasticidad-estabilidad.
e) Establecen relaciones no lineales entre datos: Las redes neuronales son
capaces de relacionar dos conjuntos de datos mediante relaciones complejas.
f) Operacin en tiempo real: Para que las redes operen en tiempo real, la necesidad
de cambio en los pesos de conexin o entrenamiento es mnima. Los cmputos
neuronales pueden ser realizados en paralelo con otro hardware para obtener
esa capacidad
g) Posibilidad de implementacin en VLSI: Esta posibilidad permite que estos
sistemas puedan ser aplicados en sistemas de tiempo real, simulando sistemas
biolgicos mediante elementos de silicio.
4. Aplicaciones de las redes neuronales artificiales.
Las caractersticas especiales de los sistemas de computacin neuronal permiten que
sea utilizada esta nueva tcnica de clculo en una extensa variedad de aplicaciones.
Conversin Texto a Voz: uno de los principales promotores de la computacin
neuronal en esta rea es Terrence Sejnowski. La conversin texto-voz consiste en
cambiar los smbolos grficos de un texto en lenguaje hablado. El sistema de
computacin neuronal presentado por Sejnowski y Rosemberg, el sistema llamado
NetTalk, convierte texto en fonemas y con la ayuda de un sintetizador de voz (Dectalk)
genera voz a partir de un texto escrito.
Procesado Natural del Lenguaje: Incluye el estudio de cmo se construyen las
reglas del lenguaje. Los cientficos del conocimiento Rumelhart y McClelland han
integrado una red neuronal de proceso natural del lenguaje. El sistema realizado ha
aprendido el tiempo verbal pass tense de los verbos en ingls. Las caractersticas
propias de la computacin neuronal como la capacidad de generalizar a partir de datos
incompletos y la capacidad de abstraer, permiten al sistema generar buenos
pronsticos para verbos nuevos o verbos desconocidos.
Pgina 7
INTELIGENCIA ARTIFICIAL
Pgina 8
INTELIGENCIA ARTIFICIAL
Pgina 9