INSTITUTO TECNOLOGICO SUPERIOR DE PANUCO

REDES NEURONALES
(Concepto, aplicacin y desarrollo actual)

Materia: Inteligencia Artificial

Investigacin Unidad 5
Grupo: S701

6 DE DICIEMBRE DE 2017

Docente: Gil Santana Esparza Alumno: Luis Enrique Argelles H.

 Introduccin

El cerebro es un procesador de informacin con unas caractersticas muy notables: es

capaz de procesar a gran velocidad grandes cantidades de informacin que proceden de
nuestros sentidos, combinarla o compararla con la informacin almacenada y dar
respuestas adecuadas incluso en situaciones nuevas. Logra captar un algn silbido o
cuando alguien dice nuestro nombre en una sala ruidosa o distinguir una cara en una calle
con poca luz; pero lo ms impresionante de todo es su capacidad de aprender a representar
la informacin necesaria para desarrollar tales habilidades sin instrucciones explcitas para
ello.

Aunque todava se desconoce mucho sobre la forma en que el cerebro aprende a procesar
la informacin, se han desarrollado modelos que tratan de mimetizar tales habilidades;
llamados redes neuronales artificiales o modelos de computacin conexionista (otras
denominaciones son computacin neuronal y procesamiento distribuido paralelo). La
elaboracin de estos modelos supone en primer lugar la deduccin de los rasgos o
caractersticas esenciales de las neuronas y sus conexiones, y, en segundo lugar, la
implementacin del modelo en una computadora de forma que se pueda simular. Es obvio
decir que estos modelos son idealizaciones burdas de las autnticas redes neuronales, en
muchos casos de dudosa plausibilidad neurofisiolgica, pero que sin embargo resultan
interesantes cuando menos por sus capacidades de aprendizaje.
Redes neuronales

Una red neuronal es un sistema compuesto de muchos elementos procesadores simples

operando en paralelo, cuya funcin es determinada por la estructura de la red, fuerza en
las conexiones y el procesamiento realizado por los elementos computacionales en los
nodos. Haykin, S. (1994, Neural Networks: A comprehensive foundation, NY, McMillan,
P.2): "Una red neuronal es un procesamiento distribuido masivamente paralelo que tiene
una tendencia natural para almacenar conocimiento emprico y hacerlo disponible para el
uso. Recuerda al cerebro en dos aspectos: 1.- Conocimiento se adquiere por la red a travs
de un proceso de aprendizaje.

Al igual que con la inteligencia artificial, existen multitud de definiciones para las redes
neuronales. Algunas de ellas son: -Una nueva forma de computacin, inspirada en modelos
biolgicos. -Un modelo matemtico compuesto por un gran nmero de elementos
procesales organizados en niveles. -Redes interconectadas masivamente en paralelo de
elementos simples (usualmente adaptativos) y con organizacin jerrquica, las cuales
intentan interactuar con los objetos del mundo real del mismo modo que lo hace el sistema
nervioso biolgico.

Ventajas que ofrecen

Debido a que presentan un gran nmero de caractersticas similares a las del cerebro
humano, las redes neuronales son capaces de aprender de la experiencia, de abstraer
caractersticas esenciales a partir de entradas que presentan informacin irrelevante, de
generalizar de casos anteriores a nuevos casosetc. Todo esto permite su aplicacin en
un gran nmero de reas muy diferenciadas. Las principales ventajas que representan son:

Aprendizaje Adaptativo: Capacidad de aprender a realizar tareas basadas en un

entrenamiento o en una experiencia inicial.
Auto-organizacin: Una red neuronal puede crear su propia organizacin o
representacin de la informacin que recibe mediante una etapa de aprendizaje.
Tolerancia a fallos: La destruccin parcial de una red conduce a una degradacin
de su estructura; sin embargo, algunas capacidades de la red se pueden retener,
incluso sufriendo un gran dao.
 Operacin en tiempo real: Los cmputos neuronales pueden ser realizados en
paralelo; para esto se disean y fabrican mquinas con hardware especial para
obtener esta capacidad.
Fcil insercin dentro de la tecnologa.

En que se aplica?

El mbito de aplicacin de las Redes Neuronales Artificiales en Telecomunicaciones puede

ser muy importante, considerando por un lado el tipo de problemas a resolver, por ejemplo,
relacionados al trfico de datos, y, por otro lado, las soluciones que pueden ser
proporcionas por las redes neuronales para este tipo de problemas. Algunas de las
caractersticas, de las redes neuronales, importantes para aplicar a esta rea son:

- Son capaces de determinar relaciones no lineales entre un conjunto de datos, asociando

patrones de entrada o salidas correspondientes.

-Los tipos de aprendizaje disponibles pueden utilizarse para tareas de prediccin y

clasificacin.

-Los modelos supervisados y no supervisados pueden ser aplicados para extraer y cancelar
ruido de las seales.

-Una vez que la red ha sido entrenada y probada puede adaptarse por s misma a los
cambios.

-Una aproximacin basada en redes neuronales artificiales puede aprender los modelos
especficos de cada sistema de red y proporcionar aproximaciones aceptables de los
sistemas.
 Desarrollo actual

Es precisamente por su capacidad de aprendizaje por lo que su uso se ha desarrollado en

diversos lugares en los que existen problemas de clasificacin y reconocimiento de
patrones, por ejemplo, en voz como el asistente Siri de iOS, en el buscador de imgenes
de Google y reconocimiento de rostros en Facebook, etc.

Existen varias herramientas que utilizan redes neuronales y que en la actualidad siguen en
desarrollo para mejorar, entre ellas se encuentran:

Google Traductor
Utiliza un sistema de reconocimiento de caracteres que permite traducir texto de una foto a
otro idioma.

Cortana

Cortana est disponible en cualquier sistema operativo de Windows 10, y este sistema
utiliza el reconocimiento de voz para poder realizar bsquedas con solo hablarle al
micrfono.

Google Googles

Esta aplicacin utiliza el reconocimiento de imgenes para realizar diversas tareas, entre
ellas se puede destacar que reconoce lugares famosos de una foto, resuelve sudokus y
reconoce cuadros, libros y lugares de casi cualquier imagen.

En los prximos aos veremos que las redes neuronales seguirn creciendo y ya no se
limitarn a una sola tarea sino a muchas al mismo tiempo. Por ejemplo, en la educacin se
podrn tener tutores artificiales que se adapten a nuestro ritmo de aprendizaje, que
continuamente se estn actualizando con las mejores prcticas de enseanza, y que a su
vez el modo con el que interactuamos con estos agentes artificiales sea usando un lenguaje
natural como la voz.

La gama de aplicaciones no termina aqu, ya que esto es solo el comienzo. En los prximos
aos se crear una gran demanda de expertos en la materia, por lo que es un verdadero
reto para las universidades poder satisfacer el nmero creciente de talento humano.
 Conclusin
Las redes neuronales son dos cosas, primero un intento de imitar nuestra forma de pensar,
por otro lado, un buen y complejo algoritmo, al contrario de los sistemas informticos
habituales que se basan en procesar las cosas en serie. Esa, es tambin la forma que tiene
el ser humano de pensar.

Muchas veces se dice que los ordenadores han superado al hombre, pero no son capaces
de mantener una buena conversacin con uno y cosas que para nosotros son tan sencillas
como identificar un rostro en una multitud, para el ordenador basado en los algoritmos en
serie es casi imposible. Si a nosotros nos hablan de un "animal que tiene trompa"
inmediatamente pensamos en un elefante. Sin embargo, un ordenador habra de buscar
recursivamente en su base de datos sobre animales, uno por uno, hasta encontrar
coincidencias.

Bibliografa

http://www.redes-neuronales.netfirms.com/tutorial-redesneuronales/que-son-las-redes-
neuronales.htm

http://www.monografias.com/trabajos12/redneur/redne ur.shtml

Redes neuronales artificiales Fundamentos, modelos y aplicaciones - Ing. Ivan A. Olier,

Ing. Gilberto Guerrero - http://www.monografias.com/trabajos12/redneur/redneur.shtml