redes neuronales artificiales.pptx
-
Upload
verushka-revilla -
Category
Documents
-
view
215 -
download
0
Transcript of redes neuronales artificiales.pptx
-
8/15/2019 redes neuronales artificiales.pptx
1/23
UNIVERSIDAD NACIONAL DE TRUJILLOFACULTAD DE INGENIERIAESCUELA ACADEMICO PROFESIONAL
DE INGENIERIA DE SISTEMAS
”“REDES
NEURONALESARTIFICIALES”
INTEGRANTES: Infante Quispe Antony
Miranda Huamán Erwin Revilla Chicoma Verushka Vásue! Ca"anillas Melany
DOCENTE: M$% &ulio 'uis (enorio Ca"rera
-
8/15/2019 redes neuronales artificiales.pptx
2/23
REDES NEURONALES
ARTIFICIALES
Las Redes Neuronales Artificiales (las cuales
llamaremos RNA) son dispositivos o software
programado de manera tal que tratan de
representar el cerebro humano, simulando suproceso de aprendizaje
-
8/15/2019 redes neuronales artificiales.pptx
3/23
Neuronas Biológicas• Nuestros cerebros cuentan con millones de neuronas que
se interconectan para elaborar Redes Neuronales ! queprocesan informacion"• #ada neurona trabaja como un simple procesador $ la
interacci%n masiva entre ellas as& como su procesamientoen paralelo hacen posible las habilidades del cerebro"
-
8/15/2019 redes neuronales artificiales.pptx
4/23
Caracteristicas del cerebro deseables para unsistema de procesamiento digital:
1.Es robusto y tolerante a fallas, diariamentemueren neuronas sin afectar su desempeño.
2.Es flexible, se ajusta a nuevos ambientes poraprendizaje, no hay que programarlo.
.!uede manejar informaci"n difusa, con ruido oinconsistente.
#.Es altamente paralelo$.Es pequeño, compacto y consume poca energ%a.
El cerebro humano constituye una computadora muynotable, es capaz de interpretar informaci"nimprecisa suministrada por los sentidos a un ritmo
incre%blemente veloz.
-
8/15/2019 redes neuronales artificiales.pptx
5/23
)uestro Cere"ro *s+percomputadora,
-
8/15/2019 redes neuronales artificiales.pptx
6/23
-ise.o/ 0 C1mo se construyen las R)A2
3e pueden reali!ar de varias maneras% 4or e5emplo enhardware utili!ando transistores a efecto de campo*6E(, o ampli7cadores operacionales8 pero la mayor9ade las R) se construyen en software8 esto es enpro$ramas de computaci1n%%
-
8/15/2019 redes neuronales artificiales.pptx
7/23
-
8/15/2019 redes neuronales artificiales.pptx
8/23
-
8/15/2019 redes neuronales artificiales.pptx
9/23
(opolo$9aRedes )euronales Arti7ciales
-
8/15/2019 redes neuronales artificiales.pptx
10/23
(ipos Redes )euronalesArti7ciales
-
8/15/2019 redes neuronales artificiales.pptx
11/23
Caracter9sticasRedes )euronales Arti7ciales
'a informaci1n se almacena en un con5unto de pesos8
no en un pro$rama% 'os pesos se de"en adaptar
cuando le mostramos e5emplos a la red%
'as redes son tolerantes a ruido/ peue.os cam"iosen la entrada no afecta drásticamente la salida de la
red%
'a red puede $enerali!ar el con5unto de entrenamiento
y as9 tratar con e5emplos no conocidos%R)A son "uenas para tareas perceptuales y
asociaciones% &ustamente con lo ue se topa la
computaci1n tradicional%
-
8/15/2019 redes neuronales artificiales.pptx
12/23
4ro"lemas en lo ue se usaRedes )euronales Arti7ciales
Tres tipos de probe!"s"# Opti!i$"%i&'En los pro"lemas de optimi!aci1n se trata de determinar una soluci1n ue
sea 1ptima% En la $esti1n empresarial8 son decisiones de optimi!aci1nencontrar los niveles adecuados de tesorer9a8 de e:istencias8 deproducci1n8 construir de carteras 1ptimas8 etc%
b# Re%o'o%i!ie'toEn los pro"lemas de reconocimiento se entrena una red neuronal con
inputs como sonidos8 n+meros8 letras y se procede a la fase de testpresentando esos mismos patrones con ruido% Este es uno de los camposmás fruct9feros en el desarrollo de redes neuronales y casi todos losmodelos de red neuronal han sido aplicados con mayor o menor ;:ito%
%# Ge'er"i$"%i&'
En los pro"lemas de $enerali!aci1n la red neuronal se entrena con unosinputs y el test se reali!a con otros casos diferentes% 4ro"lemas t9picos de$enerali!aci1n son los de %"si(%"%i&' y predi%%i&'% 3on pro"lemas de$enerali!aci1n tratar de predecir la uie"ra de las empresas a partir desu informaci1n conta"le o la concesi1n de pr;stamos8 la cali7caci1n deo"li$aciones8 la predicci1n en los mercados de valores8 etc%
-
8/15/2019 redes neuronales artificiales.pptx
13/23
6unci1n de transferencia de lasRedes )euronales Arti7ciales
4rincipales funciones detransferencia/'ineal/ y=kaEscal1n/ y = 0 si a=03i$moide
-
8/15/2019 redes neuronales artificiales.pptx
14/23
=na neurona aislada dispone de pocapotencia de cálculo% 'os nodos se conectan mediante la sinapsis 'as neuronas se a$rupan formando una
estructura llamada capa% 'os pesos pasan a ser matrices > *n : m, 'a salida de la red es un vector/ ?@* y 8 y B8 %%% 8 y n, (
Y=F(W·X+b)
Redes )euronales Arti7ciales deuna capa
a1
a2
an
y1
y2
yn
-
8/15/2019 redes neuronales artificiales.pptx
15/23
Redes multicapa/ capas en cascada% (ipos de capas/
◦ Entrada◦ 3alida◦ culta
)o hay realimentaci1n @D redfeedforward
◦ 3alida depende de entradas y pesos%
3i hay realimentaci1n @D red
recurrente Efecto memoria 3alida depende tam"i;n de la
historia pasada% =na R)A es un apro:imador $eneralde funciones no lineales%
Redes )euronales Arti7cialesmulti capas
-
8/15/2019 redes neuronales artificiales.pptx
16/23
Entrenamiento/ proceso de aprendi!a5e de la red%"5etivo/ tener un comportamiento deseado%M;todo/=so de un al$oritmo para el a5uste de los parámetros
li"res de la red/ los pesos y las "ias%Conver$encia/ salidas de la red @ salidas deseadas% (ipos de entrenamiento/3upervisado%4ares de entrenamiento/ entrada salida deseada%
Error por cada par ue se utili!a para a5ustar parámetros)osupervisado%3olamente con5unto de entradas%3alidas/ la a$rupaci1n o clasi7caci1n por clases
Refor!ado%
Redes )euronales Arti7cialesEntrenamiento
-
8/15/2019 redes neuronales artificiales.pptx
17/23
Aprendi!a5e adaptativo/ lo necesario es aplicar un"uen al$oritmo y disponer de patrones *pares, de
entrenamiento%Autoor$ani!aci1n @D conduce a la $enerali!aci1n (olerancia a fallos/ las redes pueden aprender
patrones ue contienen ruido8 distorsi1n o ueestán incompletos%peraci1n en tiempo real/ procesan $ran cantidad
de datos en poco tiempo%6acilidad de inserci1n en tecnolo$9a ya e:istente%
Redes )euronales Arti7cialesVenta5as
-
8/15/2019 redes neuronales artificiales.pptx
18/23
)REA PRO*LEMA DEINTER+S
CAM4 6I)A)CIER
-etecci1n de fraude Clasi7caci1n supervisada
3e$mentaci1n del mercado Clasi7caci1n nosupervisada
Clasi7caci1n para cr;ditos Clasi7caci1n supervisada
I)-=3(RIA
Modelado y control de plantas Re$resi1n
Ro"1ticaClasi7caci1n supervisada8Re$resi1n
E'EC(R-MF3(IC3
'avadoras Re$resi1n
Hornos microondas Re$resi1n
Cámaras di$itales Clasi7caci1n nosupervisada
Aplicaci1n deRedes )euronales Arti7ciales
-
8/15/2019 redes neuronales artificiales.pptx
19/23
)REA PRO*LEMA DEINTER+S
GREA -E 3I3(EMA3
3e$uridad Clasi7caci1n supervisada8Clasi7caci1n no
supervisada8 4ron1stico86iltrado dinámico dese.ales
uscadores we" *e%$%8
-
8/15/2019 redes neuronales artificiales.pptx
20/23
Deter!i'"'do e ori,e' de -' .idrio e' "es%e'" de -' %ri!e':3e reali!1 un estudio forense en el cual se clasi7c1 unamuestra de fra$mentos de vidrio provenientes de tiposde vidrio8 a trav;s de J caracter9sticas8 con el prop1sito de
crear un clasi7cador ue permita determina la clase a lacual pertenece un peda!o de vidrio tomado de una escenade un crimen
Atri"utos/RI Kndice de refracci1nN" 4orcenta5e de 1:ido de sodioM, 4orcenta5e de 1:ido de ma$nesio
A 4orcenta5e de 1:ido de aluminioSi 4orcenta5e de 1:ido de silicio/ 4orcenta5e de 1:ido de potasioC" 4orcenta5e de 1:ido de calcio*" 4orcenta5e de 1:ido de "arioFe 4orcenta5e de 1:ido de hierroTipo Codi7cado de a
'os tipos de vidrio son/0 / moldeados so"re un metal fundido
1 / no moldeados so"re un metalfundido 2 / ventana de un carro
3 / frasco 4 / vaso 5 / faro de veh9culo
El pro"lema es un caso de C"si(%"%i&'s-per.is"d"'l erceptr%n ulticapa
E5emplos de usos deRedes )euronales Arti7ciales
-
8/15/2019 redes neuronales artificiales.pptx
21/23
C"si(%"%i&' de %i-d"des de Est"dosU'idos por s- %ri!i'"id"d:3e reali!1 un estudio de la criminalidad en todos losestados con el prop1sito de a$ruparlos de acuerdo asus 9ndices de criminalidad% 'os tipos de delitosconsiderados fueron/
Atri"utos/a, Asesinato
", Violaci1n
c, Ro"o a "ancos
d, Asalto a mano armadae, Ro"o a residencias
f, Hurto
$, Ro"o de veh9culos
El pro"lema es un caso de C"si(%"%i&' 'os-per.is"d"'l erceptr%n ulticapa
E5emplos de usos deRedes )euronales Arti7ciales
-
8/15/2019 redes neuronales artificiales.pptx
22/23
Conclusiones
-
8/15/2019 redes neuronales artificiales.pptx
23/23