INFORME DE LA PRÁCTICA

Formato
FR-FAC-PAC-GLB-018 Versión: 02 Fecha: 24/06/2019

Asignatura: PROYECTOS I Grupo N°: 1

Carrera: Ing. Mecatrónica Integrantes

Nivel y paralelo: 8vo-TD Ortega Cristian
Fecha de la práctica: 04/07/2019 Ortega Alex
Fecha presentación informe: 11/07/2019 Guazumba Alexander
N° Práctica: 14 Informe N°: 14

TÍTULO DE LA PRÁCTICA: Red neuronal multicapas

1. OBJETIVOS

General:

 Implementar un circuito a una estructura de un carro seguidor de línea para tomar datos
de su funcionamiento, los cuales deberán ser correguidos y entrenados mediante el
proceso de redes neuronales.

Específicos

 Fundamentar teóricamente los conocimientos adquiridos en clases, para el desarrollo del

proyecto.
 Realizar la selección adecuada de herramientas en la implementación, como son el
hardware, algoritmos, y técnicas de construcción.
 Entrenar el prototipo para que sea capaz de evadir obstáculos, los cuales se han
implantado en una pista.
 Evaluar el funcionamiento para realizar una comparación con métodos similares en el
mismo campo.

2. INTRODUCCIÓN:
El cerebro es un procesador de información con unas características muy notables: es capaz de
procesar a gran velocidad grandes cantidades de información procedentes de los sentidos,
combinarla o compararla con la información almacenada y dar respuestas adecuadas incluso en
situaciones nuevas. Logra discernir un susurro en una sala ruidosa, distinguir una cara en una calle
mal iluminada o leer entre líneas en una declaración política; pero lo más impresionante de todo es
su capacidad de aprender a representar la información necesaria para desarrollar tales habilidades
sin instrucciones explícitas para ello.
Aunque todavía se ignora mucho sobre la forma en que el cerebro aprende a procesar la
información, se han desarrollado modelos que tratan de mimetizar tales habilidades; denominados
redes neuronales artificiales ó modelos de computación conexionista (otras denominaciones son
computación neuronal y procesamiento distribuido paralelo o P.D.P.). La elaboración de estos
modelos supone en primer lugar la deducción de los rasgos o características esenciales de las
 INFORME DE LA PRÁCTICA
Formato
FR-FAC-PAC-GLB-018 Versión: 02 Fecha: 24/06/2019

neuronas y sus conexiones, y en segundo lugar, la implementación del modelo en una

computadora de forma que se pueda simular. Es obvio decir que estos modelos son idealizaciones
burdas de las auténticas redes neuronales, en muchos casos de dudosa plausibilidad
neurofisiológica, pero que sin embargo resultan interesantes cuando menos por sus capacidades
de aprendizaje.
De la prehistoria al futuro que tal vez Babbage nunca soñó. El desarrollo de máquinas que puedan
imitar la capacidad de aprendizaje del hombre es actualmente un desafío en el que pone sus miras
buena parte de la comunidad científica. Con esta amplia Introducción a las redes neuronales, se
pretende dar a conocer los elementos básicos de lo que comúnmente se denomina Inteligencia
Artificial, para así comprender de qué modo pueden llegar a «pensar» y «aprender» las máquinas.
El hombre se ha caracterizado siempre por una búsqueda constante de nuevas vías para mejorar
sus condiciones de vida. Estos esfuerzos le han servido para reducir el trabajo en aquellas
operaciones en las que la fuerza juega un papel primordial. Los progresos obtenidos han permitido
dirigir estos esfuerzos a otros campos, como por ejemplo, a la construcción de máquinas
calculadoras que ayuden a resolver de forma automática y rápida determinadas operaciones que
resultan tediosas cuando se realizan a mano.
Uno de los primeros en acometer esta empresa fue Charles Babbage, quien trató infructuosamente
de construir una máquina capaz de resolver problemas matemáticos. Posteriormente otros tantos
intentaron construir máquinas similares, pero no fue hasta la Segunda Guerra Mundial, cuando ya
se disponía de instrumentos electrónicos, que se empezaron a recoger los primeros frutos. En 1946
se construyó la primera computadora 1 REDES NEURONALES ARTIFÍCIALES I electrónica, ENIAC.
Desde entonces los desarrollos en este campo han tenido un auge espectacular.
Estas máquinas permiten implementar fácilmente algoritmos para resolver multitud de problemas
que antes resultaban engorrosos de resolver. Sin embargo, se observa una limitación importante:
¿qué ocurre cuando el problema que se quiere resolver no admite un tratamiento algorítmico,
como es el caso, por ejemplo, de la clasificación de objetos por rasgos comunes?. Este ejemplo
demuestra que la construcción de nuevas máquinas más versátiles requiere un enfoque del
problema desde otro punto de vista. Los desarrollos actuales de los científicos se dirigen al estudio
de las capacidades humanas como una fuente de nuevas ideas para el diseño de las nuevas
máquinas. Así, la inteligencia artificial es un intento por descubrir y describir aspectos de la
inteligencia humana que pueden ser simulados mediante máquinas. Esta disciplina se ha
desarrollado fuertemente en los últimos años teniendo aplicación en algunos campos como visión
artificial, demostración de teoremas, procesamiento de información expresada mediante lenguajes
humanos... etc.
Las redes neuronales son otra forma de emular otra de las características propias de los humanos:
la capacidad de memorizar y asociar hechos. Si examinamos con atención aquellos problemas que
no pueden expresarse a través de un algoritmo nos daremos cuenta de que todos ellos tienen una
característica común: la experiencia. El hombre es capaz de resolver estas situaciones acudiendo a
la experiencia acumulada. Así, parece claro que una forma de aproximarse al problema consista en
la construcción de sistemas que sean capaces de reproducir esta característica humana.
Este entrenamiento, repetido para todos los valores de entrada y salida que se quiera, origina una
representación interna del objeto en la red, que considera todas las irregularidades y
generalidades del mismo.
 INFORME DE LA PRÁCTICA
Formato
FR-FAC-PAC-GLB-018 Versión: 02 Fecha: 24/06/2019

Se presenta el esquema de una neurona artificial durante la etapa de aprendizaje. Una vez
establecidos los pesos definitivos de interconexión, la neurona adquiere su forma tradicional.
(Ugarte, 2009)
En definitiva, las redes neuronales no son más que un modelo artificial y simplificado del cerebro
humano, que es el ejemplo más perfecto del que disponemos de sistema que es capaz de adquirir
conocimiento a través de la experiencia. Una red neuronal es «un nuevo sistema para el
tratamiento de la información cuya unidad básica de procesamiento está inspirada en la célula
fundamental del sistema nervioso humano, la neurona». (Matich, 2001)

3. MATERIALES

 Modulo puente H
 Kit carro seguidor de linea
 Fuente DC
 SIMULINK
 Protoboard
 Cables Arduino
 Fuente independiente de alimentación (LIPO)
 Arduino Mega

4. RESULTADOS Y DISCUSIÓN:
 INFORME DE LA PRÁCTICA
Formato
FR-FAC-PAC-GLB-018 Versión: 02 Fecha: 24/06/2019
 INFORME DE LA PRÁCTICA
Formato
FR-FAC-PAC-GLB-018 Versión: 02 Fecha: 24/06/2019
 INFORME DE LA PRÁCTICA
Formato
FR-FAC-PAC-GLB-018 Versión: 02 Fecha: 24/06/2019

4 CONCLUSIONES:

 La red fue diseñada con éxito ya que al ser el perceptrón una red neuronal que tiene un
aprendizaje supervisado pudo clasificar de manera correcta todos los inputs para así tener
un output.
 Esta red decide si es necesario dar un PWM al momento de realizar el giro, mediante el
modelo del perceptrón y todo el entrenamiento que se le dio.

 Finalmente vemos la gran utilidad del perceptrón ya que como reconocimiento de

patrones y la habilidad para clasificar en base a ellos, podemos llegar a aplicaciones
muchos más complejas.

 La manera como se diseñó esta red, se tiene también muchas más aplicaciones a cualquier
parte y en cualquier forma, eso dependerá del programador.

5 RECOMENDACIONES:

Para el buen funcionamiento de la red neuronal se debe seguir las siguientes consideraciones:

 Al momento de evaluar la pista en la red neuronal el estudiante debe estar relacionado

con el área en la que va a trabajar, ya que tenemos obstáculos de curvas cerradas.

 Esta red neuronal ha sido entrenada con casos ya sucedidos en el pasado, por lo que saca
todo su conocimiento de esos casos realizados en clases.

 Para una buena mantenibilidad se sugiere que la red sea entrenada cada cierto periodo de
tiempo, ya que se necesita información actual y correcta para que la red funcione
correctamente.

Bibliography
Matich, D. J. (2001, 03). Universidad Tecnologica Nacional. Retrieved from
https://www.frro.utn.edu.ar/repositorio/catedras/quimica/5_anio/orientadora1/monogra
ias/matich-redesneuronales.pdf
Ugarte, M. (2009, 07). Universitas Enciclopedia . Retrieved from
https://www.monografias.com/trabajos/redesneuro/redesneuro.shtml
There are no sources in the current document.