1.- Describa brevemente el funcionamiento de una neurona biológica.
Todos los organismos vivos están formados por células. Los elementos básicos del sistema nervioso son las células nerviosas, llamadas neuronas. Una neurona biológica es una célula viva, y como tal, contiene los mismos elementos que forman parte de todas las células biológicas, además, de poseer elementos característicos que la diferencian. En general una neurona biológica consta de un cuerpo celular más o menos esférico de 5 a 10 micras de diámetro, del que sale una rama principal el axón, y varias ramas más cortas denominadas dentritas. El funcionamiento de una neurona biológica, las dentritas y el cuerpo celular reciben señales de entrada, el cuerpo celular las combina e integra y emite señales de salida. El axón transporta esas señales a los terminales axónicos, que se encargan de distribuir información a un nuevo conjunto de neuronas. Una neurona recibe información de miles de otras neuronas y, a su vez, envía información a miles de neuronas más. Se calcula que en el cerebro humano existen del orden de 10 a la 15 conexiones.
2.- Describa brevemente el funcionamiento de una neurona artificial.
El funcionamiento de una neurona artificial se basa en una especie de simulación de los sistemas nerviosos los mismos que están constituidos por conjuntos de neuronas o también llamados nodos que están conectados entre si, estos nodos que se encuentran conectados unos con otros forman parte de los sistemas biológicos. Se puede decir también que una neurona artificial tiene un cierto parecido a la neurona biológica en su funcionamiento.
3.- Describa los criterios de clasificación de las redes neuronales artificiales y sus principales tipos dentro de cada clasificación.
Por Topología
Las neuronas se agrupan formando capas y consiste en la organización y disposición de las neuronas en la red. Y se dividen en:
Monocapa.- Son redes con una sola capa, las neuronas crean conexiones laterales para conectar con otras neuronas de su capa. Las redes monocapa han sido ampliamente utilizadas en circuitos eléctricos ya que debido a su topología, son adecuadas para ser implementadas mediante hardware, usando matrices de diodos que representan las conexiones de las neuronas.
Multicapa.- Son las que están formadas por varias capas de neuronas, estas redes se pueden a su vez clasificar atendiendo a la manera en que se conexionan sus capas. Y se clasifican en:
Redes Con Conexiones Hacia Adelante.- Una capa no puede tener conexiones a una que reciba la señal antes que ella en la dinámica de la computación.
Ejemplos de estas redes son Perceptron, Adaline, Madaline, Backpropagation y los modelos LQV y TMP de Kohonen.
Redes Con Conexiones Hacia Atrás.- La información puede regresar a capas anteriores en la dinámica de la red. Ejemplos de estas redes son las redes ART, Bidirectional Associative Memory (BAM) y Cognitron.
Aprendizaje
Es el proceso de presentar los patrones a aprender, a la red y el cambio de los pesos de las conexiones usando una regla de aprendizaje. Y se clasifican en
Supervisados.- La red dispone de los patrones de entrada y los patrones de salida que deseamos para esa entrada y en función de ellos se modifican los pesos de las sinapsis para ajustar la entrada a esa salida.
No Supervisados.- No presentan patrones objetivos, si no solo patrones de entrada, y dejar a la red clasificar dichos patrones en función de las características comunes de los patrones.
4.- Defina con sus propias palabras al Aprendizaje Supervisado
Requieren de un “profesor” por llamarlo así para que les diga cual es la salida deseada para una entrada dada.
5.- Defina con sus propias palabras al Aprendizaje No supervisado
No requieren de profesor puesto que producen su propia salida que será posteriormente evaluada.
6.- Enumere 5 problemas que se pueden resolver con el uso de redes neuronales artificiales
Hay muchas aplicaciones de las Redes Neuronales en la industria de petróleo y gas por ejemplo:
1.- Aplicaciones al desarrollo de campos
2.- Identificación de modelos en la interpretación de pruebas de pozos
3.- Flujo bifásico en tuberías
En el ámbito informático tenemos:
4.- Sistemas de navegación de robots
Otros:
5.- Síntesis de voz desde texto.
Bibliografía
Al‑Kaabi, A., Lee, W. J., "Using Artificial Neural Nets to Identify the Well Test Interpretation Model," SPE Formation Evaluation, Sept. 1993.
Doraisamy, H., Ertekin, T., Grader, A. "Key Parameters Controlling the Performance of Neuro Simulation Applications in Field Development," SPE 51079, Proceedings, SPE Eastern Regional Conference Nov. 9-11, 1998, Pittsburgh, PA.
http://ingenieria-de-yacimientos.blogspot.com/2008/02/redes-neuronales-artificiales-una.html
6 comentarios:
Me parece un muy buen trabajo, me gusta como detallas los conceptos
Es verdad muy bueno los detalles de los conceptos, solo creo q en la primera pregunta te excedes un poco si fuese un poquito mas resumido estaria perfecto.
Pues si me pareció muy bueno el trabajo, pero creo que te falta resumir un poco mas los conceptos generales y detallar los conceptos de mayor interés.
Excelente trabajo pienso que la primera pregunta esta bien por que todo es importante
Muy buen trabajo....
Sobre la primera parte haz hecho un buen resumen, ya que sobre el tema a bastante información...
Es muy claro, concuerdo con tus compañeros que sería bueno capturar la parte principal de la primera pregunta, pero si lo manejas como va detallado, muy bien
Publicar un comentario