Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
En Inteligencia Artificial son dispositivos o software programado de manera tal que funcionen como las neuronas biológicas de los seres vivos.
Conjunto de neuronas adaptativas interconectadas masivamente en paralelo y con una organización jerárquica que les permite interactuar con algún sistema del mismo modo que lo hace el sistema nervioso biológico.
Elemento que recibe
información, la integra, la
computa, y emite una única
salida para transmitir a otras
neuronas mediante conexiones.
Valor que define el nuevo estado de
activación y respuesta de una
neurona.
Acotados: el valor de activación
puede ser cualquiera dentro de un
rango
No Acotados: no existen limites de
valores de activación.
Lineales.- su salida es proporcional a
la entrada.
No Lineales.- la función de activación
es no lineal, por tanto no es función
lineal de sus entradas, produce
respuestas acotadas.
Redes alimentadas hacia adelante.
La información se mueve de entrada a
salida, organización en capas que agrupa a
neuronas que reciben información de la capa
anterior y emiten
salidas a neuronas
de la capa siguiente.
Redes con retroalimentación total o parcial.
Las neuronas pueden enviar estímulos a neuronas
de capas anteriores y estar conectadas con todas
las demás, al recibir información cada neurona
debe calcular su estado varias veces hasta que
todas alcancen un estado estable.
*Diseño de la Arquitectura
*Entrenamiento de la red
*Validación de la red
Se determina el numero de
neuronas que tendrá la red,
disposición en capas y conectividad
entre las mismas, determinar
funciones de activación y
transferencia que se usará.
Entrenar a la red para que aprenda a dar
la respuesta adecuada a la configuración
de estímulos o patrones de entrada que
se le presenten. Esto se realiza
mediante el método de aprendizaje, que
puede ser de dos tipos; aprendizaje
supervisado y no supervisado.
Se da a la red entrada y salida correctas, para que ajuste sus pesos tratando de minimizar el error de la salida calculada. (ej. Reconocimiento de patrones)
A la red sólo se le da estímulos, y ajusta
sus interconecciones basándose únicamente
en sus estímulos y su salida. Las leyes de
aprendizaje determinan como la red
ajustará sus pesos utilizando una función
de error o algún otro criterio.
Se solicita a la red que responda
a estímulos diferentes, tomando
en cuenta lo aprendido en el
entrenamiento; ésta debe ser
capaz de generar respuestas
correctas ante patrones de
estímulos nuevos.
*Reconocimiento de caracteres escritos.
*Exploración de bases de datos.
*Síntesis de voz desde texto.
*Previsión de evolución de precios de finanzas.
*Robots automatizados y sistema de control (visión
artificial y sensores de presión, temperatura, gas et.)
*Diagnóstico y tratamiento a partir de síntomas en
medicina.
*Predicción de reacciones adversas a medicamentos.
*Clasificación de señales de radar.
En base a la investigación que se realizo sobre
las redes neuronales y sus diferentes
aplicaciones, se dedujo que era buena idea
aplicarlas en nuestro proyecto ya que en este se
utilizarán sensores artificiales.
El proyecto trata sobre un edificio inteligente,
que ahorra luz, activa la alarma contra fuego,
activa equilibrio en climas, cuenta con cámaras
de seguridad etc.
Crear una neurona no
lineal por cada sensor
que se vaya a utilizar
con retroalimentación
total, siendo entrenadas
con aprendizaje
supervisado, esperando
terminar con los
sensores funcionando
correctamente.
http://electronica.com.mx/neural/informacion/introduccion.html
http://sabia.tic.udc.es/mgestal/cv/RNAtutorial/TutorialRNA.pdf
http://www.statsoft.com/textbook/neural-networks/
http://personal5.iddeo.es/wintrmute/ia/neuronal.htm
http://www.gc.ssr.upm.es/inves/neural/ann2/anntutorial.html
http://wwwdsa.uqac.uquebec.ca/~jmtorres/investigacion/index.htm
Related Documents
