Beruflich Dokumente
Kultur Dokumente
REDES NEURONALES
Teora Aplicacin
y Simulacin
Ing.Tonny Jimnez M
Docente: rea de Inteligencia art
Universidad popular del Csar
La IA- RNA aplicadas
a la Ingenieria
Definiciones De Inteligencia
Algunas teoras la considera como la diferente capacidad de
adaptacin que poseen lo individuos
Saber resolver problemas de la manera ms satisfactoria posible
La capacidad de adaptar el pensamiento a necesidades del
momento presente
Capacidad de procesar racionalmente la informacin
La IA- RNA aplicadas
a la Ingenieria
Inteligencia Artificial
La IA es una rama de la ciencia de computacin que comprende
el estudio y creacin de sistemas computarizados que
manifiestan cierta forma de inteligencia: sistemas que aprenden
nuevos conceptos y tareas, sistemas que pueden razonar y
derivar conclusiones tiles acerca del mundo que nos rodea
La IA es una ciencia que trata de la comprensin de la
inteligencia y del diseo de mquinas inteligentes
La IA es el estudio de las computaciones que permiten percibir,
razonar y actuar
La IA- RNA aplicadas
a la Ingenieria
Definiciones
reas que utilizan recursos de IA
Lenguaje natural
Robotica
Diagnstico (Sistemas expertos, representacin del
conocimiento)
Prediccin (algoritmos genticos y redes neuronales)
Educacin (sistemas tutoriales inteligentes)
La IA- RNA aplicadas
a la Ingenieria
Se fundamenta y manifiesta
la inteligencia de la siguiente forma:
Percepcin
Asociacin
Memoria
Imaginacin O Creatividad
Razn
Conciencia
La IA- RNA aplicadas
a la Ingenieria
Para estosexisten
Actualmente, tipos de aplicacin
sistemas se utiliza
capaces de ejecutar
tareas hasta ahora imposibles para los ordenadores, como
una tecnologa llamada de
reconocer el habla, reconocer modelos de imgenes o
clasificar objetos o redes neuronales (RN)
documentos.
Dendritas
Soma Axn
La IA- RNA aplicadas
a la Ingenieria
sipnasis
LAS REDES NEURONALES
ARTIFICIALES
Adaptabilidad
La Neurona Artificial
Si se tienen N neuronas, podemos
ordenarlas arbitrariamente y designarlas
como unidades. Su trabajo es simple y
Patrones nico, y consiste en recibir las entradas de
las clulas vecinas y calcular un valor de
salida, el cual es enviado a todas las
clulas restantes Salida
MODELIZACIN DE UNA NEURONA
ARTIFICIAL
Una neurona artificial es la composicin de dos funciones
matemticas:
Funcin de estado: funcin lineal de las variables de entrada de
la neurona, ponderadas por unos coeficientes
Funcin de transferencia o regla de activacin: proporciona la
respuesta de la neurona ante el estmulo determinado por la
funcin anterior
FUNCIN ESCALN F LINEAL POR INTERVALOS
FUNCIN LINEAL SIMPLE FUNCIN SIGMOIDAL
FUNCIN SIGMOIDAL:
Se calcula mediante la expresin:
f(x)=1/(1+e-2x/T)
Permite asimilar los modelos
estadsticos a casos particulares de
neuronas artificiales
La IA- RNA aplicadas
a la Ingenieria
Regla de Aprendizaje
Al igual que el funcionamiento de una red depende del numero de
neuronas de las que disponga y de como estn conectadas entre si,
cada modelo dispone de sus propias tcnicas de aprendizaje. En el
caso de las redes neuronales artificiales, se puede considerar que
el conocimiento se encuentra en los pesos de las conexiones entre
neuronas
La IA- RNA aplicadas
a la Ingenieria
Aprendizaje supervisado
En el aprendizaje supervisado (aprender con un maestro), la
adaptacin sucede cuando el sistema compara directamente la salida
que proporciona la red con la salida que se deseara obtener de dicha
red
Modificacin de pesos
( m1)
w ij w w
( m)
ij
( m)
ij
Redes neuronales artificiales:
aprendizaje supervisado
Ejemplo de entrenamiento
Aprender las entradas:
Recordemos que:
Entrada = {1,1} debera producir la salida =
{1}
Modelos No Supervisados
Para los modelos de entrenamiento No Supervisado, el conjunto de
datos de entrenamiento consiste slo en los patrones de entrada.
Por lo tanto, la red es entrenada sin el beneficio de un maestro. La
red aprende a adaptarse basada en las experiencias recogidas de
los patrones de entrenamiento anteriores
Distancia Euclidiana
d xi , x j xi k x j k
2
k
Redes neuronales artificiales:
aprendizaje no supervisado
Por lo tanto:
EJEMPLOS...
La IA- RNA aplicadas
a la Ingenieria
El Perceptrn multicapa
Como su nombre indica, se trata de un unos cuantos (dos o tres)
perceptrones unicapa conectados en cascada
Para poder hacer aprender cosas a un Perceptrn de este tipo, se
implement el algoritmo de BackPropagation, que tal como su
nombre indica tiene la funcin de ir propagando los errores
producidos en la capa de salida hacia atrs
La IA- RNA aplicadas
a la Ingenieria
Campos de aplicacin
Las RNA han sido aplicadas a un creciente numero de problemas
con una complejidad considerable, como puede ser el
reconocimiento de patrones, clasificacin de datos, predicciones,
etc.. Su ventaja ms importante est en solucionar problemas que
son demasiado complejos para las tcnicas convencionales
La IA- RNA aplicadas
a la Ingenieria
Finanzas
Prediccin de ndices
Deteccin de fraudes
Riesgo crediticio, clasificacin
Prediccin de la rentabilidad de acciones
Negocios
Marketing
Venta cruzada
Campanas de venta
Tratamientos de texto y proceso de formas
Reconocimiento de caracteres impresos mecnicamente.
Reconocimiento de grficos
Reconocimiento de caracteres escritos a mano.
Reconocimiento de escritura manual cursiva.
Alimentacin
Anlisis de olor y aroma
Perfilamiento de clientes en funcin de la compra
Desarrollo de productos
Control de calidad
La IA- RNA aplicadas
a la Ingenieria
Energa
Prediccin del consumo elctrico
Distribucin recursos hidrulicos para la produccin elctrica
Prediccin consumo de gas ciudad
Industria manufacturera
Control de procesos
Control de calidad
Control de robots
Medicina y salud
Ayuda al diagnstico
Anlisis de imgenes
Desarrollo de medicamentos
Distribucin de recursos
Ciencia e Ingeniera
Anlisis de datos i clasificacin
Ingeniera Qumica
Ingeniera Elctrica
Climatologa
Transportes i comunicaciones
Optimizacin de rutas
Optimizacin en la distribucin de recursos
La IA- RNA aplicadas
a la Ingenieria
FIN