Field Programable Gate Array

Ledezma, A. Paredes, U.

24 de agosto de 2017
Introduccion

Las redes neuronales consisten de unidades de procesamiento que

intercambian datos o informacion. Se utilizan para reconocer
patrones, incluyendo imagenes, manuscritos y secuencias de
tiempo. Tienen capacidad de aprender y mejorar su
funcionamiento.
Definicion de red neuronal

Un sistema de computacion compuesto por un gran numero de

elementos simples, elementos de procesos muy interconectados, los
cuales procesan informacion por medio de su estado dinamico
como respuesta a entradas externas.
Principales aspectos de un modelo distribuido paralelo

1. Conjunto de unidades de procesamiento (neuronas, celulas)

2. Un estado de activacion yk para cada unidad, que equivale a la
salida de la unidad
3. Conexion entre unidades, generalmente cada conexion es
definida por un peso wjk que determina el efecto de la senal
de unidad j que tiene sobre la unidad k.
4. Una regla de propagacion, que determina la entrada efectiva
sk de una unidad desde sus entradas externas
5. Una funcion de activacion Fk que determina el nuevo nivel de
activacion basado en la entrada efectiva Sk (t) y la activacion
actual yk (t)
6. Una entrada externa k para cada unidad
7. Un metodo para la reunion de informacion
8. Un entorno en el que el sistema debe funcionar,
Procesando unidades

Existen tres tipos de unidades:

1. Unidades de entrada
2. Unidades de salida
3. Unidades ocultas
Activacion y reglas de salida

ENTRADA
La neurona trata a muchos valores de entrada como uno solo
(entrada global) Funcion de entrada:

entrada = (ini1 Wi1 ) (ini2 Wi2 ) .....(inin Win ) (1)

Algunas funciones de entrada son:
1. Suma de las entradas pesadas
2. Producto de las entradas pesadas
3. Maximo de las entradas pesadas
Activacion y reglas de salida

ACTIVACION
Las neuronas artificiales tienen diferentes estados de activacion
cuyo rango va de (0,1) o de (-1,0).
SALIDA
La funcion de salida determina que valor se transfiere a las
neuronas vinculadas. Funciones de salida:
1. Ninguna
2. Binaria
Topologia de las redes neuronales
La topologa o arquitectura de una red neuronal consiste en la
organizacion y disposicion de las neuronas en la misma, formando
capas o agrupaciones de neuronas mas o menos alejadas de la
entrada y salida de dicha red
Mecanismos de aprendizaje
El aprendizaje es el proceso por el cual una red neuronal modifica
sus pesos en respuesta a una informacion de entrada.
Aprendizaje supervisado:
Se caracteriza porque el proceso se realiza mediante un
entrenamiento controlado por un agente externo.
Aprendizaje no supervisado:
No requiere influencia externa. La red no recibe ninguna
informacion por parte del entorno que indique si a respuesta es
correcta
Bibliografa

I http : //anintroductiontoneuralnetworks8thedition
I https :
//www .frro.utn.edu.ar /repositorio/catedras/quimica/5a nio/orientad
redesneuronales.pdf