Tarea 1 Conceptos Basicos

Inteligencia Artificial
Redes Neuronales Artificiales

Tarea 1. Introducción a las redes neuronales

Describa brevemente (mínimo de 10 líneas) el funcionamiento de una neurona biológica.

Una red neuronal biológica está compuesta por millones de neuronas, algunas de estas se conectan hasta con 1000 neuronas mas mientras que otras solamente se conectan con unas pocas. Interactúan entre sí por medio de señales analógicas, llamamos axón a la terminal de la neurona que envía los estímulos de salida, estos estímulos se hacen a través de una señal analógica que se encuentra en un cierto rango dependiendo de la decisión tomada y capacidad de dicha neurona; generalmente la señal disparada va hacia varias neuronas mas, las mismas reciben este impulso a través de terminales llamadas dendritas, las dendritas se encargan de recoger los impulsos enviados y llevarlos al núcleo de la neurona para ser procesado, la conexión de una dendrita con un axón se denomina sinopsis. Una vez recibido el estimulo este va hacia el núcleo de la neurona en donde se toma la decisión de activarse o no activarse y en qué medida hacerlo (la forma de la señal analógica), aun no se sabe muy bien cómo es que las neuronas interactúan entre si y como es q deciden actuar.

Describa brevemente (mínimo de 3 líneas) el funcionamiento de una neurona artificial.

La neurona artificial al intentar asemejarse a la real tiene varios elementos que le ayudan a tener analogía con la misma. Para empezar tenemos impulsos de entrada que se asemejan a los estímulos recibidos por las dendritas solo que en este caso la señal es discreta, así mismo tenemos la intensidad de dichas señales que se define como el peso de las mismas, la entrada total ponderada pasa a una función la cual, según sea su tipo y el valor de entrada, define el valor de salida esto vendría a asemejarse al axón.

Describa los criterios de clasificación de las redes neuronales artificiales y sus principales tipos dentro de cada clasificación.

Hay varios tipos de clasificaciones que podemos encontrar para las redes neuronales artificiales iremos describiéndolos uno por uno y presentando los principales tipos de los mismos.
La primera clasificación es según su topología, que es según el patrón de conexiones que tenga, aquí tenemos 3 tipos los cuales son:

Monocapa y Multicapa, estos dos son redes que van solamente hacia delante y en todo el ciclo no existen bucles ni conexiones entre neuronas de una misma capa, esto quiere decir que van desde la capa de entrada a la de salida directamente.

Redes recurrentes, estas son las que si tienen ciclos, por lo menos uno dentro de su topología.

Podemos clasificar por la forma de aprendizaje, esto es si la red en su aprendizaje necesita ser supervisada o no supervisada.

Las principales en la forma supervisada son Basadas en decisión, Perceptrón, ADALINE (LMS), Perceptrón Multicapa, Modelos Temporales Dinámicos, Modelos Ocultos de Markov, mientras que en la manera no supervisada tenemos Mapa de características, Aprendizaje competitivo.
Por tipos de funciones de activación, esto es según la función que se utilice en cada una de las neuronas artificiales, tenemos muchos tipos de funciones tales como FUNCIÓN PASO, FUNCIÓN RAMPA, FUNCIÓN SIGMOIDAL, FUNCIÓN GAUSSIANA.

Por último tenemos la clasificación por los valores de entrada que puede tener, estos pueden ser analógicos o discretos.

Los analógicos procesan datos con valores de entrada continuos los más importantes de esta rama son Hopfield, Kohonen y las redes de aprendizaje competitivo.

Los discretos procesan datos con valores de entrada lógicos booleanos los más reconocidos son las máquinas de Bolzman y Cauchy, y la red discreta de Hopfield.

Defina con sus propias palabras al Aprendizaje Supervisado

Es cuando disponemos de un maestro o supervisor que verificara si la salida que debería generar la red es la deseada según ciertos datos de entrada (de los cuales previamente se sepa la salida que nos gustaría generar) y si no se cumple este objetivo proceder a modificar los pesos de las conexiones para q la respuesta se asemeje a la requerida.

Defina con sus propias palabras al Aprendizaje No supervisado

Este tipo de aprendizaje no necesita ayuda externa para poder ajustar los pesos de las conexiones. La interpretación que se dé a la información de salida, si es válida o no, dependerá del tipo de red algunas se basan en la similitud entre los datos de entrada y salida, mientras que otras lo que hacen es codificar los datos de entrada de manera que tenga menos bits pero manteniendo la información relevante.

Enumere 5 problemas que se pueden resolver con el uso de redes neuronales artificiales

· Reconocimiento de caracteres escritos
· Sintesís de voz desde texto
· Optimización de plazas y horarios en líneas de vuelo.
· Previsión del tiempo.
· Previsión de la evolución de los precios.


http://es.wikipedia.org/wiki/Red_neuronal_artificial
http://jpordonez.wordpress.com/2008/08/06/introduccion-a-las-redes-neuronales-artificiales/
http://www.redes-neuronales.netfirms.com/tutorial-redes-neuronales/clasificacion-de-las-redes-neuronales-artificiales.htm
http://es.wikipedia.org/wiki/Aprendizaje_no_supervisado
http://www.monografias.com/trabajos12/redneur/redneur.shtml